大数据时代下的App数据隐私安全

​简介：随着信息技术快速发展，大数据为我们带来信息共享、便捷生活的同时，还存在着数据安全问题，主流商业模式下APP面临新的挑战。工信部持续开展APP侵权整治活动，进行了了六批次集中抽检，检查了76万款APP，通报748款违规APP，下架了245款拒不整改的APP。阿里云移动研发平台EMAS高度重视个人信息的保护，对设备权限获取遵循最小化原则，为用户构筑隐私保护的坚实防线。

App数据安全，主流商业模式下的新挑战

近年来随着信息技术快速发展，大数据时代已经来临。大数据为我们带来信息共享、便捷生活的同时，还存在着数据安全问题。

目前不少公司依托于推送等采集数据工具沉淀用户原始数据，通过上层数据服务变现，其作为一种商业模式为App业务引入了巨大的数据隐私风险。例如在某推送服务提供的《开发者协议》中，服务商明确要求App开发者《隐私政策》中须告知其App用户主体同意SDK提供者收集并使用其个人信息。其中可能包括：

1、设备信息，设备信息包括：设备标识符（IMEI、IDFA、Android ID、MAC、OAID、IMSI等相关信息）

2、应用信息（应用崩溃信息、通知开关状态、软件列表等相关信息）

3、设备参数及系统信息（设备类型、设备型号、操作系统及硬件相关信息）

4、网络信息，网络信息包括：IP地址，WiFi信息，基站信息等相关信息。

5、地理位置信息。

个人信息是现行法律重点保护的数据类型。

此外，目前在手机APP的使用过程中打开某个APP，能连带打开好几个别的App的情况层出不穷，这种自动操作引发用户对手机里信息被盗取的担忧，事实上究其原因是App为了保证被用户继续使用，就要尽可能多的“刷存在感”，否则久而久之用户就会弃之不用，甚至卸载。如果App开发者选择了采用联合唤醒的机制或者其他类似机制来“保活”，这就可能导致大量的服务进程在后台被唤醒、驻留，从而造成不同应用之间的交叉唤醒、关联启动的现象。

基于上述技术规范内容分析，App通过自启动、关联启动等方式唤醒后，如果存在通过权限等机制收集个人信息的行为，且并未在隐私政策等规则中明确指出具体的目的的，其收集个人信息的频度则涉嫌超出了业务功能实际需要。而在我国的《App违法违规收集使用个人信息行为认定方法》第四条第3点指出，收集个人信息的频度等超出业务功能实际需要，可认定为“违反必要原则，收集与其提供的服务无关的个人信息”。

数据显示，近年来工信部持续开展APP侵权整治活动，开展了六批次集中抽检，检查了76万款APP，通报748款违规APP，下架了245款拒不整改的APP。在南方都市报发表于2020年11月27日的文章中点击查看可以看出目前存在的问题。

基于上述问题，为了保障App业务的隐私合规安全，阿里云移动研发平台EMAS近期上线了隐私合规检测专项服务,对移动App隐私安全、个人数据收集和使用进行合规分析。服务提供了全面的隐私合规检测报告和专家建议，从确保形式合规（隐私政策文本合规性）及实质合规（代码层合规性）的一致性，从个人信息收集、权限使用场景、隐私政策等多个维度帮助企业和开发者提前识别App隐私合规相关风险，规避监管通报、应用下架等重大风险。

​

形式合规：从重知识重人力转为自动检测

监管检查的一大重点是隐私政策协议文本是否按照要求进行了声明。传统的隐私政策由法务编写、检查，对法务专业知识要求较高，并且需专人跟踪监管动态和相关规章，对开发者来说投入比较大。

EMAS形式合规检测基于现行法律法规、标准、部门规章和监管动态等，总结了若干检测点。同时。基于小样本学习、信息抽取、文本分类等AI技术，可对隐私协议文本进行细粒度解析，能精准定位到包括不限于隐私数据采集、存储、第三方SDK使用等描述性信息。

在此基础上，依托于自建的合规知识图谱+智能合规分析引擎，自动化、标准化产出形式合规监测点的检测结果，最大限度地降低人力和时间成本。

​

目前，形式合规检测部分已有10余篇专利保护。

实质合规：黑盒App的代码检测

合规检测的另一个问题是，我们如何判断实际运行的采集行为与隐私政策声明一致。EMAS合规检测产品服务底层集成的隐私合规检测引擎基于控制流、数据流、污点分析、动态沙箱等动静态分析技术，深度融合隐私专家经验，提供了准确的代码层实质合规检测能力。

实质合规关注敏感权限调用、数据采集、数据传输、数据存储等APP实际数据使用行为，通过静态分析和动态分析两种分析引擎，基于抽象语法树、控制流图、数据流图，刻画App代码控制链路和数据流转链路，结合真机预览及模拟点击的动态分析结果，产出具体的实质合规检测点检测结果，包括敏感数据泄露、超范围采集、弹窗打扰等。

​

原文链接

本文为阿里云原创内容，未经允许不得转载。

​