[课题] 安卓隐私政策分析笔记-PolicyLint/PoliCheck

主题：移动应用（安卓应用）隐私政策分析

PolicyLint & PoliCheck

我认为，在安卓/移动应用的隐私政策分析或一致性分析这个主题下，有两个里程碑式的工作：

1. PolicyLint: B. Andow et al., “PolicyLint: Investigating Internal Privacy Policy Contradictions on Google Play,” presented at the 28th USENIX Security Symposium (USENIX Security 19), 2019, pp. 585–602. Available: PolicyLint: Investigating Internal Privacy Policy Contradictions on Google Play | USENIX
2. PoliCheck: B. Andow et al., “Actions Speak Louder than Words: {Entity-Sensitive} Privacy Policy and Data Flow Analysis with {PoliCheck},” presented at the 29th USENIX Security Symposium (USENIX Security 20), 2020, pp. 985–1002. Available: Actions Speak Louder than Words: Entity-Sensitive Privacy Policy and Data Flow Analysis with PoliCheck | USENIX

第一篇工作（PolicyLint）核心点是运用NLP技术做：隐私政策文本——> (actor, action, data object, entity) 4元组集合。

For example, “We [actor] share [action] personal information [data object] with advertisers [entity].”

对应元组：<We, share, personal information, advertisers>

这个4元组的中间表示在当时应该是很有效的。但是在几年后的今天，已经显得比较冗余了——很多工作已经抛开了'action'这一项——换言之，这篇工作定义的很多动词，比如'share' 'not share' 'collect' 都被统一为了'collect'。毕竟应用在客户端获取数据以后，它在服务端做的事情是不可预知的，它有能力和任意实体分享。

而 actor和entity这两个名词也显得冗余。

实际上，PolicyLint 在当时提出的 IR 现在逐渐演化为了：<entity, data, purpose> 默认是 entity 'collect' data for xxx purpose. (purpose相关的工作之一是Consistency analysis of data-usage purposes in mobile apps）。

第一、二篇工作是同一个作者。第二篇工作PoliCheck在 PolicyLint的基础上，通过运用基于 AppCensus的动态分析技术，获取应用在运行时产生的数据流信息，然后对比数据流信息和PolicyLint产生的四元组，完成移动应用的隐私一致性分析。

难以复现和重用

USENIX要求投稿者公开项目源码，因此这两份工作的代码在github上都能找到：

benandow/PrivacyPolicyAnalysis: This repository holds the code for PolicyLint and PoliCheck, which identifies internal contradictions within privacy policies and analyzes data flow to privacy policy consistency. (github.com)")

然而，不幸的是，我发现这个项目是基于Python 2.7 和 spacy==2.0.12，而python 2.7 早已停止维护，且在执行 docker build的时候，spacy下载模型的过程极为折磨。我试图用 python 2to3 工具将 python 2.7的代码迁移到 python3，但是 2to3 做不到完全等价的转换，还需要手动检查、校正，成本实在太高了。

而且PoliCheck 是基于AppCensus做的数据流分析，而 AppCensus 的分析服务是闭源、商业付费的，因此也重用 PoliCheck方法的困难度也较大。

发现PoliGraph

在翻 PrivacyPolicyAnalysis 的issue 时，我发现了一位老哥 Cui Hao的评论，顺着github账号看到他的工作 PoliGraph，无论是创新度，再到实现、文档都非常非常非常好，同时 PoliGraph 的效果也胜过 PolicyLint。

UCI-Networking-Group/PoliGraph: PoliGraph: Automated Privacy Policy Analysis using Knowledge Graphs (github.com)")

他的博客也很有趣。在看论文、找相关工作的过程中，发现这些曾经同样挫折过、奋斗过的前辈，看到他们生活的点点滴滴或者种种思考、努力，是一个非常惊喜的事。

​