隐私保护设计是一种开发系统、服务和组织实践的方法,主张从一开始就纳入数据隐私保护,而不是在部署后才加以补充。它将隐私视为架构、默认设置、业务流程和持续运行必须满足的要求。其范围不仅涵盖软件,也延伸至硬件、通信基础设施、物理环境和机构规程。
这一方法将技术保障与组织层面的问责机制相结合。它不仅关注如何防止未经授权的访问,也关注是否应当收集个人数据、可以如何使用这些数据、谁可以接收数据,以及何时应当删除数据。因此,隐私保护设计的内涵比一份隐私声明或一组安全功能更为广泛。
起源与发展
隐私保护设计是在公平信息实践和隐私立法长期发展的背景下形成的。如今与这一术语联系最紧密的一套理念,于20世纪90年代由安大略省信息与隐私专员办公室在安·卡武基安的领导下,与其他隐私及技术组织合作提出。
2010年,国际数据保护与隐私专员会议通过决议,承认隐私保护设计是保障基本隐私权益的重要组成部分。此后,这一概念在监管指引、产品开发和隐私工程领域产生了广泛影响。
法律层面的一项重大进展是欧洲联盟于2016年通过、2018年开始适用的《通用数据保护条例》(GDPR)。其第25条规定了有关“通过设计和默认设置保护数据”的义务。这些义务与隐私保护设计有很大重合,但广义的设计理念与具体法律要求并不完全相同。
ISO 31700-1:2023为消费类产品和服务中的隐私保护设计提供了高层次要求,但并未规定必须采用某一种技术架构。
七项基本原则
通常所说的隐私保护设计框架包含七项原则。
主动而非被动;预防而非补救。 在隐私风险造成不良后果之前就予以应对,而不是仅在出现投诉、事件或监管介入后才采取行动。
将隐私保护设为默认。 隐私保护不应依赖个人自行发现并修改过于宽松的设置。默认设置应限制不必要的数据收集、使用、留存和披露。
将隐私保护融入设计。 隐私是系统需求和架构的一部分,而不是可有可无的扩展功能,也不是脱离实际实施的政策文件。
功能完备——追求正和,而非零和。 这一框架力求通过设计,使隐私保护与安全、易用性等其他正当目标能够兼顾,而不是预设必须始终牺牲其中一方。这是一项目标,并不意味着现实中绝不存在取舍。
端到端安全——全生命周期保护。 保障措施覆盖信息从收集到存储、使用、传输、留存直至最终处置的整个过程。
可见且透明——保持开放。 相关实践和保障措施应接受审视与核验。个人及其他相关方能够了解信息如何被处理,而不必为此公开敏感的安全细节。
尊重用户隐私——以用户为中心。 系统通过易于理解的信息、具有保护作用的默认设置和易用的控制手段,重视个人利益。
这些原则有意保持广泛的适用范围。具体如何落实,取决于系统的用途、运行环境及其处理活动带来的后果。
隐私、安全与默认设置
隐私不等于安全
信息安全保护机密性、完整性和可用性等属性。隐私还关注处理个人相关信息是否恰当,以及这种处理会产生什么后果。
一项服务可能采用强大的加密技术和访问控制措施,却收集过多信息,或将信息用于出乎用户预期的目的。这样的服务或许能防止外部人员获取其记录,却未必充分保护了记录所涉及人员的隐私。
反过来,减少个人信息的收集量,可以降低数据泄露事件中暴露的信息量,从而提升安全性。因此,隐私与安全密切相关,但两者不能相互替代。
默认隐私保护
默认隐私保护关注系统在初始状态和通常情况下的行为,而不仅仅是是否提供了保护选项。例如,默认限制可见人群,将共享设为可选操作而非自动行为,以及仅收集特定功能所需的信息。
默认保护并不意味着必须禁用所有处理活动。服务可能需要个人信息才能实现其预定功能。关键在于处理是否必要、范围多大、信息可由谁访问,以及保留多久。
控制手段是否易用也很重要。人机交互领域的研究会考察人们能否理解各种选项并预判其效果。如果一项隐私设置难以找到、说明具有误导性,或与系统的实际行为相矛盾,那么即使名义上存在,它所能提供的保护也十分有限。
工程实施
隐私保护设计通过架构、开发实践和运行控制措施的结合来实现。任何单一技术都不足以证明整个系统能够保护隐私。
需求与风险分析
隐私需求应明确处理哪些信息、处理目的、涉及哪些参与方,以及可能对个人产生哪些影响。绘制数据流图有助于发现数据副本、传输路径、衍生属性,以及对外部服务的依赖。
威胁模型可以用于分析未经授权的披露、追踪、不受欢迎的记录关联,以及获授权方滥用信息等风险。与只聚焦安全的狭义分析不同,隐私分析还会考虑系统按预期运行时可能造成的损害。
数据保护影响评估对处理活动及其风险进行结构化审查。根据GDPR,如果处理活动可能对个人的权利和自由造成高风险,就必须开展此类评估;并非每个项目都自动需要进行评估。
最小化与分离
数据最小化将个人数据限制在实现特定目的所必需的范围内。具体做法可以包括减少收集的属性、降低测量精度、避免使用持久标识符,或缩短详细记录的保留时间。
架构层面的分离旨在限制数据集或功能之间不必要的联系。例如,系统可以将账户管理与使用情况分析分开,分别采用不同的标识符和权限。这种分离可以减少信息关联的机会,但其效果取决于对密钥、接口和运维访问的控制方式。
本地处理有时可以替代集中收集。例如,智能手机应用可以在设备上计算结果,只向服务传输其所需的结果。本地处理本身并不保证隐私:设备安全、遥测、备份和外部通信仍然是需要考虑的因素。
保护技术
多种技术方法可以帮助实现隐私目标:
- 加密保护存储或传输中的数据,其效果取决于密钥的管理方式以及端点的访问控制情况。
- **假名化**用替代标识符取代直接标识符,并将额外的身份识别信息单独保存。它可以降低某些风险,但不一定使信息匿名化。
- **差分隐私**在既定的隐私模型和参数选择下,提供一个数学框架,用于限制个人数据对所发布结果的影响。
- **联邦学习**可以在不集中收集所有原始训练记录的情况下训练模型。但模型更新仍可能泄露信息,因此架构中可能还需要额外的保障措施。
- 细粒度访问控制与审计记录用于限制并记录信息的使用。审计记录本身也可能包含敏感数据,需要受到适当限制。
这些方法是否适用,取决于所要应对的威胁。仅仅移除姓名、对数据库加密,或采用分布式架构,都不足以单独证明已经实现匿名化或满足合规要求。
生命周期控制
隐私要求贯穿维护和退役阶段。软件、集成、分析方式或业务目的发生变化,都可能引入原始设计中不存在的新处理活动。
留存和删除机制必须考虑复制副本、缓存、导出文件以及数据备份。删除可见的数据库条目,并不一定会移除所有副本或衍生信息。因此,系统会区分立即删除、按留存计划到期删除,以及出于特定法律或运营原因而暂时保留。
测试可以检查默认设置、权限、删除流程和外部接口的实际行为是否与文档一致。这些活动将隐私目标与日常的软件工程和软件架构实践联系起来。
法律与组织层面
根据GDPR第25条,控制者必须在确定处理方式时以及实际处理过程中,实施适当的技术和组织措施。需要考虑的因素包括现有技术水平、实施成本、处理的性质和目的,以及对个人权利和自由的风险。
默认数据保护尤其关注个人数据的收集量、处理范围、存储期限和可访问性。仅仅声称某产品遵循隐私保护设计,本身并不能证明所有适用的法律义务均已履行。
在组织层面落实这一方法,需要明确隐私要求、采购、供应商评估、变更管理和监督等方面的责任。外部提供方处理信息时,合同和技术接口都很重要。通过记录文档,可以让设计决策及其所依据的假设接受审查。
隐私保护设计也不意味着同意是所有处理活动的通用依据。根据GDPR,同意只是数种合法依据之一;选择适当的依据,是一个独立于如何设计有效隐私保障措施的法律问题。
局限与争论
这一框架的广泛性既是优势,也是局限。其原则适用于多种技术,但并未提供普遍适用的隐私检验标准或量化评分。评估落实情况,需要有关实际数据流、系统行为、组织实践及其对个人影响的证据。
某些隐私目标会与其他要求发生冲突。详细的审计轨迹可能有助于问责,却也会增加留存的个人信息。个性化可能依赖行为数据,欺诈检测也可能依赖对事件的关联。隐私保护设计鼓励考察替代架构,但并不能消除作出选择并说明理由的必要性。
去标识化是另一个长期存在的难题。不含直接标识符的记录,仍可能借助辅助信息关联到个人。因此,评估隐私保护措施时,必须结合现实中的访问条件、可用数据集以及不断变化的分析能力。
最后,技术设计无法判定每一种拟议的个人信息用途是否正当。一个系统即使采用了先进的保障措施,也可能服务于侵扰隐私的目的。隐私保护设计关注如何将目的和处理活动落实到系统中,但它仍需与法律、治理,以及对于哪些活动根本就不应开展的更广泛决策共同发挥作用。