@phdthesis{Gerl2019, author = {Gerl, Armin}, title = {Modelling of a Privacy Language and Efficient Policy-based De-identification}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:739-opus4-7674}, school = {Universit{\"a}t Passau}, pages = {xviii, 257 Seiten}, year = {2019}, abstract = {The processing of personal information is omnipresent in our data-driven society enabling personalized services, which are regulated by privacy policies. Although privacy policies are strictly defined by the General Data Protection Regulation (GDPR), no systematic mechanism is in place to enforce them. Especially if data is merged from several sources into a data-set with different privacy policies associated, the management and compliance to all privacy requirements is challenging during the processing of the data-set. Privacy policies can vary hereby due to different policies for each source or personalization of privacy policies by individual users. Thus, the risk for negligent or malicious processing of personal data due to defiance of privacy policies exists. To tackle this challenge, a privacy-preserving framework is proposed. Within this framework privacy policies are expressed in the proposed Layered Privacy Language (LPL) which allows to specify legal privacy policies and privacy-preserving de-identification methods. The policies are enforced by a Policy-based De-identification (PD) process. The PD process enables efficient compliance to various privacy policies simultaneously while applying pseudonymization, personal privacy anonymization and privacy models for de-identification of the data-set. Thus, the privacy requirements of each individual privacy policy are enforced filling the gap between legal privacy policies and their technical enforcement.}, subject = {Datenschutz}, language = {en} } @phdthesis{Koop2021, author = {Koop, Martin}, title = {Preventing the Leakage of Privacy Sensitive User Data on the Web}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:739-opus4-8717}, school = {Universit{\"a}t Passau}, pages = {137 Seiten}, year = {2021}, abstract = {Das Aufzeichnen der Internetaktivit{\"a}t ist mit der Verkn{\"u}pfung pers{\"o}nlicher Daten zu einer Schl{\"u}sselressource f{\"u}r viele kostenpflichtige und kostenfreie Dienste im Web geworden. Diese Dienste sind zum einen Webanwendungen, wie beispielsweise die von Google bereitgestellten Karten/Navigation oder Websuche, die t{\"a}glich kostenlos verwendet werden. Zum anderen sind es alle Webseiten, die meist kostenlos Nachrichten oder allgemeine Informationen zu verschiedenen Themen bereitstellen. Durch das Aufrufen und die Nutzung dieser Webdienste werden alle Informationen, die im Webdienst verarbeitet werden, an den Dienstanbieter weitergeben. Dies umfasst nicht nur die im Benutzerkonto des Webdienstes gespeicherte Profildaten wie Name oder Adresse, sondern auch die Aktivit{\"a}t mit dem Webdienst wie das anklicken von Links oder die Verweildauer. Dar{\"u}ber hinaus gibt es jedoch auch unz{\"a}hlige Drittparteien, welche zumeist im Hintergrund in die Webdienste eingebunden sind und das Benutzerverhalten der kompletten Webaktivit{\"a}t - Webseiten {\"u}bergreifend - mitspeichern sowie auswerten. Der Einsatz verschiedener, in der Regel f{\"u}r den Benutzer verborgener Techniken, dient dazu das Online-Verhalten der Benutzer genau zu verfolgen und viele sensible Daten zu sammeln. Dieses Verhalten wird als Web-Tracking bezeichnet und wird haupts{\"a}chlich von Werbeunternehmen genutzt. Die gesammelten Daten sind oft personenbezogen und eine wertvolle Ressourcen der Unternehmen, um Beispielsweise passend zum Benutzerprofil personalisierte Werbung schalten zu k{\"o}nnen. Mit der Nutzung dieser personenbezogenen Daten entstehen aber auch weitreichendere Auswirkungen, welche sich unter anderem in Preisanpassungen f{\"u}r Benutzer mit speziellen Profilattributen, wie der Nutzung von teuren Endger{\"a}ten, widerspiegeln. Ziel dieser Arbeit ist es die Privatsph{\"a}re der Nutzer im Internet zu steigern und die Nutzerverfolgung von Web-Tracking signifikant zu reduzieren. Dabei stellen sich vier Herausforderungen, die jeweils einen Forschungsschwerpunkt dieser Arbeit bilden: (1) Systematische Analyse und Einordnung eingesetzter Tracking-Techniken, (2) Untersuchung vorhandener Schutzmechanismen und deren Schwachstellen,(3) Konzeption einer Referenzarchitektur zum Schutz vor Web-Tracking und (4) Entwurf einer automatisierten Testumgebungen unter Realbedingungen, um die Reduzierung von Web-Tracking in den entwickelten Schutzmaßnahmen zu untersuchen. Jeder dieser Forschungsschwerpunkte stellt neue Beitr{\"a}ge bereit, um einheitlich das {\"u}bergeordnete Ziel zu erreichen: der Entwicklung von Schutzmaßnahmen gegen die Preisgabe sensibler Benutzerdaten im Internet. Der erste wissenschaftliche Beitrag dieser Dissertation ist eine umfassende Evaluation eingesetzter Web-Tracking Techniken und Methoden, sowie deren Gefahren, Risiken und Implikationen f{\"u}r die Privatsph{\"a}re der Internetnutzer. Die Evaluation beinhaltet zus{\"a}tzlich die Untersuchung vorhandener Tracking-Schutzmechanismen und deren Schwachstellen. Die gewonnenen Erkenntnisse sind maßgeblich f{\"u}r die in dieser Arbeit neu entwickelten Ans{\"a}tze und verbessern den bisherigen nicht hinreichend gew{\"a}hrleisteten Schutz vor Web-Tracking. Der zweite wissenschaftliche Beitrag ist die Entwicklung einer robusten Klassifizierung von Web-Tracking, der Entwurf einer effizienten Architektur zur Langzeituntersuchung von Web-Tracking sowie einer interaktiven Visualisierung des Auftreten von Web-Tracking im Internet. Dabei basiert der neue Klassifizierungsansatz, um Tracking zu identifizieren, auf der Entropie Messung des Informationsgehalts von Cookies. Die Resultate der Web-Tracking Langzeitstudien sind unter anderem 1.209 identifizierte Tracking-Domains auf den meistbesuchten Webseiten in Deutschland. Hierbei wurden innerhalb der Top 25 Webseiten im Durchschnitt 45 Tracking-Elemente pro Webseite gefunden. Der Tracker mit dem h{\"o}chsten Potenzial zum Erstellen eines Benutzerprofils war doubleclick.com, da er 90\% der Webseiten {\"u}berwacht. Die Auswertung des untersuchten Tracking-Netzwerks ergab weiterhin einen detaillierten Einblick in die Tracking-Technik mithilfe von Weiterleitungslinks. Dabei haben wir 1,2 Millionen HTTP-Traces von monatelangen Crawls der 50.000 international meistbesuchten Webseiten analysiert. Die Ergebnisse zeigen, dass 11,6\% dieser Webseiten HTTP-Redirects, verborgen in Webseiten-Links, zum Tracken verwenden. Dies wird eingesetzt, um den Webseitenverlauf des Benutzers nach dem Klick durch eine Kette von (Tracking-)Servern umzuleiten, welche in der Regel nicht sichtbar sind, bevor das beabsichtigte Link-Ziel geladen wird. In diesem Szenario erfasst der Tracker wertvolle Verbindungs-Metadaten zu Inhalt, Thema oder Benutzerinteressen der Website. Die Visualisierung des Tracking {\"O}kosystem stellen wir in einem interaktiven Open-Source Web-Tool bereit. Der dritte wissenschaftliche Beitrag dieser Dissertation ist die Konzeption von zwei neuartigen Schutzmechanismen gegen Web-Tracking und der Aufbau einer automatisierten Simulationsumgebung unter Realbedingungen, um die Effektivit{\"a}t der Umsetzungen zu verifizieren. Der Fokus liegt auf den beiden meist verwendeten Tracking-Verfahren: Cookies (hierbei wird eine eindeutigen ID auf dem Ger{\"a}t des Benutzers gespeichert), sowie Browser-Fingerprinting. Letzteres beschreibt eine Methode zum Sammeln einer Vielzahl an Ger{\"a}teeigenschaften, um den Benutzer eindeutig zu (re- )identifizieren, ohne eine eindeutige ID auf dem Ger{\"a}t zu speichern. Um die Effektivit{\"a}t der in dieser Arbeit entwickelten Schutzmechanismen vor Web-Tracking zu untersuchen, implementierten und evaluierten wir die Schutzkonzepte direkt im Chromium Browser. Das Ergebnis zeigt eine erfolgreiche Reduzierung von Web-Tracking um 44\%. Zus{\"a}tzlich verbessert das in dieser Arbeit entwickelte Konzept "Site Isolation" den Datenschutz des privaten Browsing-Modus, erm{\"o}glicht das Setzen eines manuellen Speicher-Zeitlimits von Cookies und sch{\"u}tzt den Browser gegen verschiedene Bedrohungen wie CSRF (Cross-Site Request Forgery) oder CORS (Cross-Origin Ressource Sharing). Site Isolation speichert dabei den Status der lokalen Website in separaten Containern und kann dadurch diverse Tracking-Methoden wie Cookies, lokalStorage oder redirect tracking verhindern. Bei der Auswertung von 1,6 Millionen Webseiten haben wir gezeigt, dass der Tracker doubleclick.com das h{\"o}chste Potenzial besitzt, den Nutzer zu verfolgen und auf 25\% der 40.000 international meistbesuchten Webseiten vertreten ist. Schließlich demonstrieren wir in unserem erweiterten Chromium-Browser einen robusten Browser-Fingerprinting-Schutz. Der Test unseres Prototyps mittels 70.000 Browsersitzungen zeigt, dass unser Browser den Nutzer vor sogenanntem Browser-Fingerprinting Tracking sch{\"u}tzt. Im Vergleich zu f{\"u}nf anderen Browser-Fingerprint-Tools erzielte unser Prototyp die besten Ergebnisse und ist der erste Schutzmechanismus gegen Flash sowie Canvas Fingerprinting.}, subject = {Datenschutz}, language = {en} } @book{Ruetzel2023, author = {R{\"u}tzel, Felix}, title = {Rechtsfragen algorithmischer Preisdiskriminierung. Eine rechtsgebiets{\"u}bergreifende Untersuchung}, publisher = {Mohr Siebeck}, address = {T{\"u}bingen}, isbn = {978-3-16-162034-8}, doi = {10.1628/978-3-16-162034-8}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:739-opus4-12317}, publisher = {Universit{\"a}t Passau}, pages = {XXIV, 357 Seiten}, year = {2023}, abstract = {Felix R{\"u}tzel legt in seiner Untersuchung der algorithmischen Preisdiskriminierung den Fokus auf die Zusammenh{\"a}nge zwischen den verschiedenen Rechtsgebieten. Indem er die jeweils bestehenden rechtlichen Rahmenbedingungen skizziert und aufzeigt, wo {\"A}nderungsbedarf besteht, um auf diese Preisstrategie zu reagieren, bietet die Analyse des Autors praxisnahe, interessengeleitete L{\"o}sungen, die die L{\"u}cken der aktuellen Forschung schließen.}, subject = {Deutschland}, language = {de} }