← ব্লগে ফিরে যান

DPIA হলো engineering review, privacy-র কাগজপত্রের কাজ নয়

কার্যকর DPIA শুরু হয় data flow ও risk control দিয়ে। কীভাবে developers GDPR Article 35-কে launch-এর আগের engineering সিদ্ধান্তে রূপ দিতে পারেন তা জানুন।

Code ও vendor বেছে নেওয়ার কারণে ঝুঁকিপূর্ণ design বদলানো ব্যয়বহুল হওয়ার আগেই data protection impact assessment সবচেয়ে কাজে লাগে। GDPR Article 35 এমন processing-এর আগে DPIA করতে বলে, যা মানুষের অধিকার ও স্বাধীনতার জন্য high risk তৈরি করতে পারে। Developers-এর কাছে DPIA তাই data flow, purpose, necessity ও safeguard-এর engineering review—deployment-এর পরে পূরণ করার form নয়।

প্রতিটি analytics implementation-এর জন্য স্বয়ংক্রিয়ভাবে DPIA লাগে না। GDPR-এর উদাহরণ হলো: উল্লেখযোগ্য প্রভাব ফেলে এমন automated processing-এর ভিত্তিতে মানুষের systematic ও extensive evaluation; special-category data-র large-scale processing; এবং জনসাধারণের প্রবেশযোগ্য এলাকার large-scale systematic monitoring। Supervisory authority কোন processing operation-এ DPIA দরকার বা নেই, তার তালিকাও প্রকাশ করতে পারে।

Vendor নয়, processing দিয়ে শুরু করুন

বাস্তব processing operation সহজ ভাষায় বর্ণনা করুন। কার data জড়িত, কোন event ও identifier সংগ্রহ হয়, data কোথায় যায়, কে query করতে পারে, কতদিন থাকে এবং কোন সিদ্ধান্ত তার ওপর নির্ভর করে—এসব নির্ধারণ করুন। Vendor-এর “privacy-friendly” label বা ছোট SDK এই প্রশ্নগুলোর উত্তর দেয় না।

Browser বা server থেকে collection endpoint, queue, storage, report, export ও deletion পর্যন্ত data flow আঁকুন। Fallback path, debugging tool, backup এবং support access-ও ধরুন। Diagram-এ দেখাতে হবে personal data কোথায় ঢোকে, কোথায় transform হয় এবং কোন system copy পায়; না হলে assessment ঝুঁকি তৈরি করা secondary path বাদ দিতে পারে।

High risk-কে যাচাইযোগ্য সিদ্ধান্তে পরিণত করুন

DPIA-তে মানুষের ঝুঁকির পাশাপাশি necessity ও proportionality মূল্যায়ন করতে হবে। Product purpose লিখে প্রতিটি field ও retention period তাতে অবদান রাখে কি না যাচাই করুন। Aggregate page count যদি product প্রশ্নের উত্তর দেয়, persistent cross-site identifier বা সম্পূর্ণ URL অপ্রয়োজনীয় হতে পারে। Custom event দরকার হলে schema সীমিত রাখুন, যাতে arbitrary text অযাচাইকৃত data channel না হয়।

Abstract category তালিকাভুক্ত না করে বাস্তব ক্ষতির সম্ভাবনা দেখুন। কোনো path কি চিকিৎসাগত অবস্থা প্রকাশ করতে পারে? ছোট দল কি বিরল event থেকে কারও আচরণ অনুমান করতে পারে? Support কি নিজের কাজের সঙ্গে সম্পর্কহীন data দেখতে পারে? Breach কি দীর্ঘস্থায়ী profile প্রকাশ করতে পারে? প্রতিটি risk-এর জন্য প্রভাবিত মানুষ, সম্ভাব্য failure, severity ও likelihood এবং তা কমানোর control লিখুন।

Safeguard-কে implementation task বানান

কার্যকর mitigation যাচাই করা যায়। যেমন persistence-এর আগে query parameter বাদ দেওয়া, automatic deletion-সহ স্বল্প retention, role অনুযায়ী access সীমিত করা, production ও test data আলাদা রাখা এবং event payload audit log-এ না কপি করে administrative access নথিভুক্ত করা। System design-এ control যোগ করে owner নির্ধারণ করুন; “vendor নিরাপদ” কোনো mitigation plan নয়।

Control-এর পর অবশিষ্ট risk এবং বাকি collection কেন দরকার তা নথিভুক্ত করুন। DPIA-তে processing purpose, operation এবং প্রযোজ্য হলে legitimate interest বর্ণনা; necessity ও proportionality মূল্যায়ন; risk নিরূপণ; এবং তা মোকাবিলার ব্যবস্থা উল্লেখ করা উচিত। প্রতিটি বিষয়কে code, infrastructure configuration বা operating procedure-এ যাচাই করা যায় এমন requirement হিসেবে ধরুন।

System বদলালে আবার মূল্যায়ন করুন

DPIA একবারের approval নয়। Event schema বাড়লে, নতুন audience বা use যোগ হলে, অন্য source-এর সঙ্গে data মেশালে, নতুন processor এলে বা retention period বদলালে এটি পর্যালোচনা করুন। SDK code সামান্য বদলালেও এমন পরিবর্তন ক্ষতির সম্ভাবনা ও প্রভাব পাল্টাতে পারে।

Assessment-কে system-এর সঙ্গে যুক্ত রাখুন: data-flow diagram, field inventory, threat model, deletion test ও vendor configuration-এর link দিন। Developer যেন DPIA-র “raw IP address সংরক্ষণ হয় না” ধরনের বক্তব্য collection path পর্যন্ত অনুসরণ করে test বা query দিয়ে যাচাই করতে পারে। তাহলে accountability প্রতিশ্রুতি নয়, evidence হয়।

DPIA-তে এমন উচ্চ অবশিষ্ট ঝুঁকি দেখা গেলে যা কমানো যায় না, GDPR Article 36 processing শুরুর আগে supervisory authority-র সঙ্গে prior consultation চায়। এটি সিদ্ধান্ত নেওয়ার ধাপ, risk rating কমানোর কারণ নয়। Design review-তে assessment রাখলে অপ্রয়োজনীয় collection বাদ দেওয়া বা workflow বদলানোর সময় পাওয়া যায়।

সূত্র

Comments

Loading comments…