mcpField
D
dpia-risk-scoring

dpia-risk-scoring

github.com/mukul975安全32336 次安装32 周前更新
代码仓库

关于 dpia-risk-scoring

为 GDPR 数据保护影响评估（DPIA）提供量化风险评分框架，将影响严重程度与发生可能性结合，帮助隐私团队比较风险并确定缓解优先级。

主要功能

  1. 01按四级尺度评估影响严重程度
  2. 02按四级尺度评估发生可能性
  3. 03通过矩阵划分风险等级
  4. 04区分固有风险与剩余风险
  5. 05说明第 36 条事先咨询触发条件

适用场景

  1. 01为 DPIA 中的数据主体风险评分
  2. 02比较不同处理活动的风险
  3. 03记录缓解措施前后的风险变化
  4. 04判断是否需要咨询监管机构

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/mukul975/privacy-data-protection-skills --skill dpia-risk-scoring

安装后在 Claude Code 中输入/dpia-risk-scoring确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

assets/
template.md
references/
standards.md
workflows.md
scripts/
process.py

详细介绍

DPIA 风险评分方法

概述

GDPR 第 35(7)(c) 条要求 DPIA 包含“对数据主体的权利和自由所面临风险的评估”。此技能提供了一个可量化的风险评分框架，可将定性隐私风险转化为可比较、可排序的分数，以支持缓解决策。

风险评分框架

严重程度量表（对数据主体权利的影响）
级别分数描述示例
可忽略1轻微不便，容易恢复暂时无法使用非必要服务
有限2明显不便，需要付出努力才能恢复根据推断出的偏好投放定向广告
显著3后果严重，难以恢复财务损失、歧视、声誉损害
最高4不可逆或极难恢复身份盗窃、人身安全风险、失业
可能性量表
级别分数描述指标
可忽略1在现有控制措施下不太可能发生强大的技术控制措施、有限的访问权限、静态和传输中均已加密
有限2可能发生，但需要特定条件部分访问控制、部分加密、已知但尚未证实的攻击途径
显著3根据已知威胁形势，很可能发生特定领域的控制措施薄弱、所在行业曾发生过事件、存在活跃的威胁行为者
最高4几乎必然发生或已经发生没有控制措施、存在已知漏洞、类似系统曾发生过数据泄露
风险矩阵
Severity →    Negligible(1)  Limited(2)  Significant(3)  Maximum(4)
Likelihood ↓
Maximum(4)        4(M)         8(H)        12(VH)         16(VH)
Significant(3)    3(L)         6(M)         9(H)          12(VH)
Limited(2)        2(L)         4(M)         6(M)           8(H)
Negligible(1)     1(L)         2(L)         3(L)           4(M)

Risk Levels: L=Low(1-3), M=Medium(4-6), H=High(7-9), VH=Very High(10-16)

风险类别（与 ENISA 一致）

对权利和自由的影响
  1. 机密性丧失 -- 未经授权披露个人数据
  2. 完整性丧失 -- 未经授权修改个人数据
  3. 可用性丧失 -- 无法访问或使用个人数据
  4. 目的限制丧失 -- 数据被用于超出原始目的的用途
  5. 歧视 -- 基于处理结果的不公平待遇
  6. 身份盗窃／欺诈 -- 滥用个人数据进行身份冒充
  7. 财务损失 -- 直接或间接的金钱损失
  8. 声誉损害 -- 社会地位或职业方面的损害
  9. 人身伤害 -- 对安全或健康造成影响
  10. 自主权丧失 -- 对行为或自由表达产生寒蝉效应

固有风险与剩余风险

  • 固有风险：采取任何缓解措施之前的风险级别
  • 剩余风险：采取计划中的缓解措施之后的风险级别
  • 风险降低程度：固有风险分数与剩余风险分数之差
  • 可接受风险阈值：由组织定义的容忍水平

第 36 条事先咨询触发条件

如果采取所有可行的缓解措施后，剩余风险仍为高或非常高，控制者必须在开始处理之前，根据第 36(1) 条咨询监管机构。

评论

支持 Markdown