Um estudo exploratório sobre privacidade de dados no Big Data

Abstract

No paradigma industrial corrente, denominado também Quarta Revolução Industrial, os dispositivos tecnológicos apresentam uma capacidade de coleta, processamento e arma zenamento de dados sem precedentes. A quantidade de dados gerados e armazenados cresce muito, o que caracteriza o fenômeno conhecido como Big Data, no qual os dados apresentam grande variedade, velocidade e volume. Neste cenário de crescente coleta e armazenamento de informações, justifica-se a preocupação com a Privacidade de Dados em sistemas digitais. A Privacidade de Dados é um critério de qualidade de software que conceitua a proteção da identidade dos indivíduos por meio da proteção de seus dados pessoais e seus dados sensíveis, de forma que agentes terceiros não os acessem e não consigam relacionar os dados com indivíduos específicos. Sua satisfação é essencial para garantir a confiança dos usuários e a conformidade com a legislação vigente. Entretanto, implementar Privacidade de Dados em sistemas que lidam com Big Data é um desafio, pois a quantidade e a complexidade dos dados dificultam a identificação e a organiza ção dos requisitos não funcionais relacionados à privacidade. O NFR Framework é uma abordagem que auxilia na identificação, organização e priorização de requisitos não fun cionais. Este trabalho faz uso do NFR Framework para modelar os critérios de qualidade relacionados à Privacidade de Dados em sistemas que lidam com Big Data. Por meio de Provas de Conceito (PoCs), validaram-se possíveis cenários reais em que a privacidade poderia ser implementada de acordo com a modelagem apresentada. Dentre os resultados dessa pesquisa, destacam-se, portanto, a demonstração da identificação e da organização de requisitos não funcionais relacionados à Privacidade de Dados em sistemas que lidam com Big Data, bem como a implementação das operacionalizações propostas por meio de PoCs e suas respectivas validações.