[论文解读] A Core Ontology for Privacy Requirements Engineering

Mohamad Gharib, John Mylopoulos|arXiv (Cornell University)|Nov 30, 2018

Privacy, Security, and Data Protection被引用 4

一句话总结

本文提出了COPri，一个用于隐私需求工程的核心本体，通过系统性文献综述和对隐私概念的精炼，扩展了先前的工作。它通过整合技术、社会和组织维度，实现了在人机系统背景下的隐私需求建模，经由能力查询和专家评估验证，为隐私感知系统设计提供了可重用的基础。

ABSTRACT

Nowadays, most companies need to collect, store, and manage personal information in order to deliver their services. Accordingly, privacy has emerged as a key concern for these companies since they need to comply with privacy laws and regulations. To deal with them properly, such privacy concerns should be considered since the early phases of system design. Ontologies have proven to be a key factor for elaborating high-quality requirements models. However, most existing work deals with privacy as a special case of security requirements, thereby missing essential traits of this family of requirements. In this paper, we introduce COPri, a Core Ontology for Privacy requirements engineering that adopts and extends our previous work on privacy requirements engineering ontology that has been mined through a systematic literature review. Additionally, we implement, validate and then evaluate our ontology.

研究动机与目标

• 为解决缺乏统一、表达能力强的隐私需求本体，以捕捉技术与社会技术方面的问题。
• 克服将隐私视为安全需求子集的局限性，该局限性忽略了匿名性、不可链接性等关键隐私特有概念。
• 为系统设计者提供一个形式化、可重用的框架，以在系统设计早期阶段获取、建模并推理隐私需求。
• 通过真实世界案例研究和能力问题，验证本体的表达能力和正确性。
• 通过基于本体的目标导向框架，支持未来隐私策略的自动化推导。

提出的方法

• 基于对现有隐私需求模型的系统性文献综述，扩展并精炼了本体。
• 使用Protégé在OWL中形式化了核心概念，如个人数据、隐私目标、使用目的、必要使用（Need-to-Use）和敏感度级别。
• 以辅助生活（AAL）系统作为真实世界案例研究，用于实例化和验证本体。
• 定义并使用了能力问题（CQs）来查询本体实例，评估其回答特定领域隐私查询的能力。
• 通过自动化工具、词汇语义专家以及隐私/安全研究人员，对本体进行了常见陷阱的评估。
• 未来工作包括开发一个基于目标的框架，以实现从需求模型中自动推导隐私策略。

实验结果

研究问题

• RQ1 如何设计一个核心本体，以涵盖超越传统安全关注的隐私需求全谱？
• RQ2 COPri本体在多大程度上能够对包括组织和人为因素在内的社会技术系统中的隐私需求进行建模？
• RQ3 本体能否有效回答源自真实世界隐私用例的能力问题？
• RQ4 如何形式化表示并区分隐私特有概念（如假名性、不可链接性、不可观测性）与机密性？
• RQ5 在不同领域中，精炼和验证隐私本体面临的主要挑战是什么？

主要发现

• COPri本体成功地在技术、社会和组织维度上对隐私需求进行了建模，在真实世界的AAL案例研究中表现出其表达能力。
• 通过一组能力问题对本体进行了验证，确认其能够从实例模型中捕获并检索详细的隐私相关知识。
• 专家评估和基于工具的分析表明，COPri避免了歧义、冗余和模块化不良等常见本体陷阱。
• 本体清晰区分了匿名性、假名性、不可链接性等关键隐私概念与机密性，解决了先前工作中的一项关键局限。
• 通过整合敏感度级别和使用目的属性，实现了基于上下文和数据使用方式的更细致的隐私需求建模。
• 本研究识别出需要进一步精炼NtU（必要使用）和PoU（使用目的）等属性，以支持自动化策略推导。