[论文解读] OPPO: An Ontology for Describing Fine-Grained Data Practices in Privacy Policies of Online Social Networks

Sanonda Datta Gupta, Torsten Hahmann|arXiv (Cornell University)|Sep 27, 2023

Privacy, Security, and Data ProtectionSocial Sciences被引用 3

一句话总结

OPPO 是一个基于 OWL2 的本体，利用 BFO、IAO、OBI 和 OMRSE 作为基础本体，形式化了在线社交网络（OSN）隐私政策中的细粒度数据实践。它通过建模数据保留时长、存储位置和安全机制等详细实践，实现了自动化推理和透明度评估，已在 Telegram 政策数据集上通过 SPARQL 查询验证，成功表达并回答了 27 个能力问题中的 15 个。

ABSTRACT

Privacy policies outline the data practices of Online Social Networks (OSN) to comply with privacy regulations such as the EU-GDPR and CCPA. Several ontologies for modeling privacy regulations, policies, and compliance have emerged in recent years. However, they are limited in various ways: (1) they specifically model what is required of privacy policies according to one specific privacy regulation such as GDPR; (2) they provide taxonomies of concepts but are not sufficiently axiomatized to afford automated reasoning with them; and (3) they do not model data practices of privacy policies in sufficient detail to allow assessing the transparency of policies. This paper presents an OWL Ontology for Privacy Policies of OSNs, OPPO, that aims to fill these gaps by formalizing detailed data practices from OSNS' privacy policies. OPPO is grounded in BFO, IAO, OMRSE, and OBI, and its design is guided by the use case of representing and reasoning over the content of OSNs' privacy policies and evaluating policies' transparency in greater detail.

研究动机与目标

• 解决现有隐私政策本体中缺乏对数据实践的详细、公理化建模的问题。
• 通过形式化保留时长、存储位置和安全机制等细粒度实践，提升 OSN 隐私政策的透明度评估能力。
• 通过基于既定上层本体的形式化本体表示，实现对隐私政策的自动化推理。
• 通过施加精确的语义约束来结构化数据实践，支持合规性评估和跨政策比较。
• 为研究人员、监管机构和隐私倡导者提供一个可重用、可扩展的本体，以系统化地查询和分析政策内容。

提出的方法

• OPPO 基于 METHONTOLOGY 框架开发，并由来自 GDPR、CCPA 和真实 OSN 隐私政策的 45 个能力问题指导。
• 本体以 OWL2 形式化，建立在 BFO、IAO、OBI 和 OMRSE 之上，并选择性重用 DPV 和 OWL-Time 以支持数据类型和时间约束。
• 引入了 60 个新类和 17 个对象属性，包括安全机制（如 EncryptionMechanism、AuthenticationMechanism）和数据实践（如保留时长、存储位置）的专用子类。
• 使用 HermiT OWL2 推理引擎验证逻辑一致性，并通过在 Telegram 政策数据集上将 15 个能力问题编码为 SPARQL 查询，验证其表达能力。
• 提供一个最小导入版本（OPPO_Ontology_Minimal_Import.ttl），将 OPPO 特有的概念隔离，以在本体编辑器中实现更清晰的建模。
• 本体托管于 GitHub，并在 GraphDB 中使用 OWL-RL 推理配置文件验证查询执行和结果准确性。

Figure 1: OPPO’s high-level concepts and how they extend concepts from BFO, IAO, OBI, and OMRSE. Concepts in yellow are introduced by OPPO, while all other concepts are being reused.

实验结果

研究问题

• RQ1 如何以支持自动化推理的方式，形式化细粒度数据实践（如保留时长、存储位置和安全机制）？
• RQ2 本体在多大程度上能通过语义精确地表示详细数据实践，来捕捉隐私政策的透明度？
• RQ3 本体能否通过在真实世界政策数据上使用 SPARQL 查询，表达并回答关于数据实践的能力问题？
• RQ4 将既定的上层本体（BFO、IAO、OBI、OMRSE）集成，如何支持隐私政策概念的形式化与可重用性？
• RQ5 使用 OPPO 比较多个 OSN 隐私政策之间透明度水平的可行性如何？

主要发现

• OPPO 本体成功建模了 60 个新类和 17 个对象属性，包含 271 条逻辑公理，形成了一致且逻辑严谨的 OWL2 形式化。
• 本体在逻辑上是一致的，使用 HermiT 推理引擎未检测到任何不一致或意外的类等价关系。
• 在 GraphDB 中对 Telegram 政策数据集执行了 15 个能力问题的 SPARQL 查询，结果与预期一致，成功验证了其表达能力。
• 本体正确识别出 Telegram 将四种不同的数据类型存储最多 12 个月，证明其能以高精度捕捉保留实践。
• 最小导入版本有效隔离了 OPPO 特有的内容，提升了在 Protégé 等本体编辑器中的清晰度和可用性。
• 验证过程表明，OPPO 具备足够的表达能力，可准确表示和推理详细的数据实践，支持透明度和合规性分析。

Figure 2: The core concepts in OPPO and the relations between them.