ক্রস-প্ল্যাটফর্ম PII সুরক্ষা: Mac, Linux এবং Windows
Mac-এ গোপনীয়তা কর্মকর্তা। Windows-এ আইনি দল। Linux-এ ডেটা ইঞ্জিনিয়ার। একটি সম্মতি বাধ্যবাধকতা।
বেশিরভাগ PII টুল একটি প্ল্যাটফর্মের জন্য তৈরি। এটাই সমস্যা।
গোপনীয়তা দলে OS ফাঁক
এন্টারপ্রাইজ গোপনীয়তা দলগুলো খুব কমই একটি অপারেটিং সিস্টেম ব্যবহার করে। একটি সাধারণ বৈশ্বিক প্রযুক্তি কোম্পানি এইরকম দেখায়:
- গোপনীয়তা কর্মকর্তা এবং DPO: macOS (US এবং UK ফার্মে সাধারণ)
- আইনি ও সম্মতি বিশ্লেষক: Windows (ইউরোপিয়ান এন্টারপ্রাইজে মান)
- ডেটা ইঞ্জিনিয়ার এবং DevOps: Linux (প্রযুক্তিগত ভূমিকার জন্য মান)
তিনটি OS পরিবেশ। তিনটি দলের কার্যকারিতা। একটি শেয়ার করা দায়িত্ব: সামঞ্জস্যপূর্ণ প্রযুক্তিগত নিয়ন্ত্রণ সহ ব্যক্তিগত তথ্য প্রক্রিয়া করা।
যখন প্রতিটি গ্রুপ একই টুলের ভিন্ন সংস্করণ — বা একটি ভিন্ন ইন্টারফেস — ব্যবহার করে, নিয়ন্ত্রণগুলো একই নয়। এগুলো শুধু একই মনে হয়।
কেন একক-প্ল্যাটফর্ম টুল ঝুঁকি তৈরি করে
বেশিরভাগ PII টুল একটি OS-এর জন্য ডেস্কটপ অ্যাপ হিসেবে পাঠানো হয়। Mac এবং Linux ব্যবহারকারীরা একটি ওয়েব ফলব্যাক পান, বা কিছুই না।
এটি একটি বিভাজন তৈরি করে যা অডিটে গুরুত্বপূর্ণ। ওয়েব অ্যাপ ডেস্কটপের চেয়ে পিছিয়ে থাকলে এটি ঘটে:
NLP মডেলের সংস্করণ আলাদা। একটি ডেস্কটপ বিল্ড ওয়েব অ্যাপের চেয়ে নতুন NLP মডেল বান্ডেল করতে পারে। পুরানো মডেল সংস্করণ এমন এনটিটি টাইপ মিস করতে পারে যেগুলো নতুন সংস্করণ ধরে।
আপডেট চক্র বিচ্যুত হয়। গ্রুপ নীতির মাধ্যমে ডিপ্লয় করা টুলগুলো সরাসরি ইনস্টলের দুই বা তিনটি সংস্করণ পিছিয়ে চলতে পারে। সংস্করণ ফাঁক মানে সনাক্তকরণ ফাঁক।
কনফিগারেশন সিঙ্ক করতে পারে না। OS রেজিস্ট্রিতে সেটিংস সঞ্চয় করে এমন টুলগুলো সেই সেটিংস Mac বা Linux ব্যবহারকারীদের সাথে শেয়ার করতে পারে না। একটি প্ল্যাটফর্মে তৈরি একটি প্রিসেট অন্য একটিতে অপঠনযোগ্য হতে পারে।
লাইব্রেরি আচরণ পরিবর্তিত হয়। PDF পার্সিং বা OCR-এর জন্য OS-স্তরের লাইব্রেরির উপর নির্ভর করে এমন টুলগুলো বিভিন্ন প্ল্যাটফর্মে ভিন্ন ফলাফল দিতে পারে — এমনকি একই উৎস ডকুমেন্ট থেকেও।
এই ফাঁকগুলোর যেকোনো একটি মানে একই ডকুমেন্ট বিভিন্ন বেনামীকরণ ফলাফল দিতে পারে। কারণ তথ্য নয়। এটি প্ল্যাটফর্ম।
নিয়ন্ত্রকরা কীভাবে সামঞ্জস্যতা মূল্যায়ন করেন তা দেখতে GDPR প্রযুক্তিগত ব্যবস্থার প্রয়োজনীয়তা দেখুন।
GDPR Article 5(2) এবং পদ্ধতিগত ব্যবস্থা
GDPR Article 5(2) হলো জবাবদিহিতার নীতি। এটি নিয়ন্ত্রকদের Article 5(1) তথ্য সুরক্ষা নীতিগুলোর সাথে সম্মতি দেখাতে চায়। Article 32 প্রযুক্তিগত ব্যবস্থার জন্য, এর মানে ব্যবস্থাগুলো পদ্ধতিগতভাবে প্রয়োগ করা হয়েছিল।
পদ্ধতিগত মানে সামঞ্জস্যপূর্ণ। যদি বেনামীকরণ যে ব্যক্তি এটি চালিয়েছে তার OS-এর উপর নির্ভর করে পরিবর্তিত হয়, ব্যবস্থাটি পরিবর্তনশীল — পদ্ধতিগত নয়।
DPA তদন্তে, "আমরা টুল X ব্যবহার করেছি, কিন্তু এটি Mac এবং ডেস্কটপ সংস্করণে আলাদাভাবে আচরণ করে, এবং ডকুমেন্টটি Mac-এ প্রক্রিয়া করা হয়েছিল" একটি সন্তোষজনক উত্তর নয়। এটি অসম প্রয়োগ দেখায়।
OS-অজ্ঞেয়সিস্টিক ডিজাইন একটি পছন্দ নয়। এটি পদ্ধতিগত প্রয়োগের প্রয়োজনীয়তা থেকে অনুসরণ করে।
OS-অজ্ঞেয়সিস্টিক সম্মতির দুটি প্যাটার্ন
সত্যিকারের OS-অজ্ঞেয়সিস্টিক PII সম্মতি দুটি আর্কিটেকচারাল প্যাটার্নে ফিট করে।
প্যাটার্ন ১: ওয়েব অ্যাপ্লিকেশন
সনাক্তকরণ সার্ভারে চলে। ক্লায়েন্ট OS অপ্রাসঙ্গিক। প্রতিটি ব্যবহারকারী একই মডেল এবং একই কনফিগারেশন সহ একই ইঞ্জিন হিট করে।
সীমাবদ্ধতা: ইন্টারনেট অ্যাক্সেস প্রয়োজন। এয়ার-গ্যাপ পরিবেশ এটি ব্যবহার করতে পারে না।
প্যাটার্ন ২: নেটিভ ক্রস-প্ল্যাটফর্ম ডেস্কটপ অ্যাপ
একটি ক্রস-প্ল্যাটফর্ম রানটাইমে (যেমন Tauri বা Electron) তৈরি একটি ডেস্কটপ অ্যাপ তিনটি প্ল্যাটফর্মের জন্য একই কোড কম্পাইল করে। একই NLP মডেল প্রতিটি বিল্ডে পাঠানো হয়। কনফিগারেশন অ্যাকাউন্টের মাধ্যমে সিঙ্ক করে, স্থানীয় OS স্টোরেজের মাধ্যমে নয়।
এটি অফলাইন এবং এয়ার-গ্যাপের প্রয়োজনীয়তা পূরণ করে। প্ল্যাটফর্ম জুড়ে সনাক্তকরণ সামঞ্জস্যপূর্ণ থাকে।
anonym.legal ডেস্কটপ অ্যাপ Tauri/Rust ফ্রেমওয়ার্ক ব্যবহার করে। এটি Windows (x64/ARM64), macOS (Intel/Apple Silicon/Universal), এবং Linux (x64) এর জন্য একই কোড কম্পাইল করে। NLP মডেল এবং সনাক্তকরণ ইঞ্জিন প্রতিটি বিল্ডে অভিন্ন। OS আউটপুটে একটি ভ্যারিয়েবল নয়।
ব্যবহারের ঘটনা: ১২ জনের গোপনীয়তা দল
একটি বৈশ্বিক প্রযুক্তি কোম্পানির ১২ জনের গোপনীয়তা দল তিনটি OS পরিবেশে কাজ করত:
- ৪ জন গোপনীয়তা কর্মকর্তা এবং DPO: macOS (MacBook Pro)
- ৫ জন আইনি ও সম্মতি বিশ্লেষক: Windows (Surface Pro)
- ৩ জন ডেটা ইঞ্জিনিয়ার: Linux (Ubuntu ওয়ার্কস্টেশন)
তাদের পূর্ববর্তী PII টুল শুধুমাত্র Windows-এর জন্য একটি নেটিভ ডেস্কটপ অ্যাপ হিসেবে পাঠানো হয়েছিল। Mac এবং Linux ব্যবহারকারীরা একটি ওয়েব অ্যাপে ফলব্যাক করেছিলেন যা একটি পুরানো NLP মডেল চালাত।
DPA তদন্তের সময়, দলটি দেখাতে পারেনি যে Mac-এ প্রক্রিয়াকৃত ডকুমেন্টগুলো Windows-এ প্রক্রিয়াকৃত ডকুমেন্টগুলোর মতো একই কভারেজ পেয়েছে।
স্থানান্তরের পরে — একটি একক Tauri-ভিত্তিক ক্রস-প্ল্যাটফর্ম অ্যাপে — তিনটি প্ল্যাটফর্মে ফলাফল অভিন্ন ছিল। পরবর্তী অডিটে, দলটি নিশ্চিত করতে পেরেছিল যে একই সনাক্তকরণ মডেল সব ১২টি মেশিনে চলেছে — তাদের OS নির্বিশেষে।