Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen
1. Nachvollziehbarkeit mit Hinblick auf Privacy-
Verletzungen
Andreas Schreiber
Intelligente und Verteilte Systeme
DLR Köln/Braunschweig/Berlin
> RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 1
2. > RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 2
Fragen
Viele Informationen stecken in den Metadaten
• Wo werden Daten gespeichert?
• Wie werden Daten verarbeitet?
• Wer hat Zugriff auf die Daten?
Metadaten des Datenverarbeitungsprozesses: Provenance
• Nachvollziehbarkeit und Reproduzierbarkeit
• Standardformat PROV des W3C für Interoperabilität
3. > RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 3
Nachvollziehbarkeit von Prozessen
Provenance is
information about entities, activities, and people
involved in
producing a piece of data or thing,
which can be used to form
assessments about its quality, reliability or trustworthiness.
PROV W3C Working Group
https://www.w3.org/TR/prov-overview
4. > RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 4
Kern-Elemente von Provenance
Entities
• Physikalische Objekte, digitale Objekte, Konzepte oder sonstiges
• Dateien, Dokumente, Webseiten, Grafiken
Activities
• Erzeugen oder verarbeiten Entities
• Einzelne Aktionen, Operationen oder Prozesse
Agents
• Agents haben bestimmte Rollen in Bezug auf die Activities;
sie sind im gewissen Sinne für Activities verantwortlich
• Menschen, Software oder Organisationen
5. Provenance-Modellierung
> RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 5
Activity
Entity
Agent
wasGeneratedBy
used
wasDerivedFrom
wasAttributedTo
wasAssociatedWith
6. Speichern der Provenance-Informationen
> RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 6
Provenance
Store
Aufzeichnung der
Prozess-Dokumentation
Anwendung
Daten (Ergebnis)
7. > RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 7
Graphen
Provenance ist ein Directed Acyclic Graph (DAG)
A
B
E
F
G
D
C
8. > RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 8
Graph-Datenbanken
Graph-Datenbank Neo4j
MATCH (e:Entity)-[*]-(u:Agent) RETURN u
9. > RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 9
Blockchain-enabled Data Science
Blockchain: Dezentrale und unveränderliche
„Big Data”-Datenbank
10. Anwendungskontext: Medizin und Gesundheitsdaten
> RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 10
Medizin- und
Gesundheits-Apps
Medizinische Studien Telemedizin und AAL
11. > RDA-Deutschland-Treffen 2016 > Andreas Schreiber • Nachvollziehbarkeit mit Hinblick auf Privacy-Verletzungen > 29.11.2016DLR.de • Folie 11
Beispiel-Datenworkflow