# Kit f9/c02: privacidad, minimización, EIPD/DPIA y memoria Este kit convierte el capítulo 02 del facsímil 09 en una práctica de ingeniería. La pregunta no es "tenemos privacidad", sino: qué dato entra, con qué finalidad, dónde se guarda, cuánto tiempo vive, qué memoria toca y qué evidencia existe. ## Qué vas a crear | Archivo | Para qué sirve | |---|---| | `contracts/privacy_policy.json` | Define umbrales, allowlists por finalidad, retenciones esperadas y señales de EIPD/DPIA. | | `data/data_flows.csv` | Inventario de flujos entre prompt, RAG, memoria, observabilidad, proveedor y entrenamiento. | | `data/sample_traces.jsonl` | Trazas de ejemplo con datos ficticios para practicar redacción. | | `output/data_flow_inventory.json` | Inventario enriquecido con puntuación de privacidad y señales de revisión. | | `output/data_flow_map.md` | Mapa legible de flujos, finalidades, memoria, retención y owner. | | `output/minimization_report.md` | Campos permitidos, campos a transformar y criterio de minimización. | | `output/dpia_precheck.md` | Prechequeo EIPD/DPIA con señales técnicas. | | `output/retention_plan.csv` | Plan de retención por tipo de memoria y acción recomendada. | | `output/redacted_trace_sample.jsonl` | Trazas redactadas para revisar observabilidad sin conservar más de lo necesario. | | `output/presidio_style_findings.json` | Hallazgos de PII con entidad, span, score, reconocedor, hash y operador recomendado. | | `output/presidio_detection_report.md` | Informe técnico inspirado en Presidio para revisar detección, contexto y operadores. | | `output/privacy_release_gate.md` | Decisión de salida con bloqueos y evidencias obligatorias. | | `output/ci_privacy_gate.json` | Resultado máquina para pipeline de CI. | | `output/ci_privacy_gate.md` | Resultado legible con hallazgos bloqueantes. | ## Cómo ejecutarlo Desde está carpeta: ```bash python3 ops/build_privacy_pack.py --write python3 ops/privacy_ci_gate.py --write ``` No necesita dependencias externas. Usa solo la biblioteca estándar de Python. Para usarlo como gate de CI real: ```bash python3 ops/privacy_ci_gate.py --write --fail-on-blocker ``` ## Qué deberías ver El script imprimirá algo parecido a: ```text flujos: 6 altos: 3 prechequeo_dpia: 5 decisión: revisar_antes_de_publicar ``` Después, el gate CI imprimirá: ```text estado: fail hallazgos: 5 ``` La decisión esperada en este dataset es conservadora porque hay trazas con texto bruto retenidas demasiado tiempo y un intento de usar tickets con datos personales para entrenamiento. ## Cómo adaptarlo a tu caso 1. Cambia `contracts/privacy_policy.json` para ajustar retenciones, finalidades y campos permitidos. 2. Sustituye `data/data_flows.csv` por los flujos de tu sistema: prompt, RAG, memoria, tools, logs, proveedor, backups, datasets y entrenamiento. 3. Añade trazas reales solo después de redactarlas o con datos de prueba. El kit incluye datos ficticios para practicar. 4. Ejecuta el script y revisa `output/privacy_release_gate.md`. 5. Revisa `output/presidio_detection_report.md` y decide si faltan reconocedores de dominio: DNI/NIE, expediente, matrícula, teléfono local o identificadores internos. 6. Ejecuta `ops/privacy_ci_gate.py` y decide qué hallazgo convertirías en tarea de ingeniería. ## Entregable de alumno Un entregable serio incluye: 1. `data_flow_map.md` explicado con tus palabras. 2. `minimization_report.md` con al menos tres decisiones de eliminación, redacción o justificación. 3. `dpia_precheck.md` indicando qué señales justifican revisión formal. 4. `retention_plan.csv` ajustado a tu caso. 5. `redacted_trace_sample.jsonl` sin correos, teléfonos ni identificadores directos. 6. `presidio_detection_report.md` explicando entidades detectadas, operador elegido y qué falso negativo buscarías en una evaluación real. 7. `ci_privacy_gate.md` explicando por qué el sistema pasa o falla. 8. Una decisión final: publicar, publicar con condiciones o revisar antes. ## Qué te llevas Te llevas una práctica ejecutable sobre privacidad, minimización, EIPD/DPIA y memoria, con datos editables, contratos y umbrales, plantillas de entrega, código ejecutable y tests reproducibles. Trabajas con `data/data_flows.csv` y `data/sample_traces.jsonl`, contrastas la decisión contra `contracts/privacy_policy.json` y ejecutas `ops/build_privacy_pack.py` para generar `output/ci_privacy_gate.md`. La idea no es mirar una solución cerrada: es cambiar una entrada, volver a ejecutar, comparar la salida y poder defender qué harías en una revisión técnica, una asignatura o un piloto real. ## Variantes para hacerlo tuyo - Ejecuta `make run` sin tocar nada y usa `output/ci_privacy_gate.md` como línea base. - Cambia o añade un caso en `data/data_flows.csv` y `data/sample_traces.jsonl` para representar un problema de tu trabajo, clase o producto. - Endurece una regla, umbral o campo obligatorio en `contracts/privacy_policy.json` y explica por qué el resultado debería cambiar o bloquearse. - Compara antes/después en `output/ci_privacy_gate.md` y `output/data_flow_map.md` y escribe una decisión de una página: seguir, bloquear, medir más o cambiar el diseño. - Completa `templates/entrega.md` con contexto, cambio, evidencia, decisión y límite; no la dejes como checklist vacía. ## Rúbrica rápida | Nivel | Qué demuestra | |---|---| | Mínimo | Ejecuta `make run` y `make test`, localiza `ops/build_privacy_pack.py`, abre `output/ci_privacy_gate.md` y explica qué decisión o señal produce. | | Bueno | Cambia `data/data_flows.csv`, compara antes/después y justifica la diferencia con una evidencia concreta del output. | | Excelente | Convierte el kit en un mini caso profesional: añade un caso propio, ajusta una regla o test, documenta el límite principal y deja una recomendación accionable para un equipo. | ## Guía operativa del ZIP Esta sección audita el ZIP como lo recibirá un alumno. Todo lo citado aquí debe estar dentro de este archivo descargable de `Kit f9/c02: privacidad, minimización, EIPD/DPIA y memoria`, no escondido en una ruta del repositorio. ### Qué contiene - `README.md`: esta guía y la explicación del ejercicio. - `Makefile`: entrada única para ejecutar y validar el kit con `make run` y `make test`. - `requirements.txt`: dependencias declaradas; muchos kits solo usan la biblioteca estándar de Python. - `data/`: datos de entrada o casos de prueba realistas. Ejemplos dentro del ZIP: `data/sample_traces.jsonl`, `data/data_flows.csv`. - `contracts/`: contratos de datos, salida, política o validación. Ejemplos dentro del ZIP: `contracts/privacy_policy.json`. - `templates/`: plantillas editables para la entrega. Ejemplos dentro del ZIP: `templates/entrega.md`. - `ops/`: código ejecutable del laboratorio. Ejemplos dentro del ZIP: `ops/build_privacy_pack.py`, `ops/privacy_ci_gate.py`. - `tests/`: tests que comprueban que el ejercicio sigue siendo reproducible. Ejemplos dentro del ZIP: `tests/test_lab_contract.py`. - `output/`: salidas generadas o esperadas que debes revisar. Ejemplos dentro del ZIP: `output/ci_privacy_gate.md`, `output/data_flow_map.md`, `output/dpia_precheck.md`, `output/minimization_report.md`, .... ### Ejecutar desde cero Desde la carpeta extraída del ZIP: ```bash make run make test ``` `make run` construye las evidencias del ejercicio. `make test` comprueba que el kit sigue siendo ejecutable después de descargarlo, extraerlo y tocarlo. ### Qué mirar antes de entregar - `output/ci_privacy_gate.md`: lectura humana de la decisión, informe o runbook. - `output/data_flow_map.md`: lectura humana de la decisión, informe o runbook. - `output/dpia_precheck.md`: lectura humana de la decisión, informe o runbook. - `output/minimization_report.md`: lectura humana de la decisión, informe o runbook. - `output/presidio_detection_report.md`: lectura humana de la decisión, informe o runbook. - `output/privacy_release_gate.md`: lectura humana de la decisión, informe o runbook. - `output/ci_privacy_gate.json`: evidencia estructurada para validar o automatizar. - `output/data_flow_inventory.json`: evidencia estructurada para validar o automatizar. - `output/presidio_style_findings.json`: evidencia estructurada para validar o automatizar. - `output/redacted_trace_sample.jsonl`: eventos o registros línea a línea. - `output/retention_plan.csv`: tabla que puedes inspeccionar o cargar en un notebook. ### Qué entregar Una entrega útil no es una captura de pantalla. Debe incluir los artefactos generados, la modificación razonada que hayas hecho y una decisión escrita que explique qué harías en un sistema real. Como mínimo: 1. Resultado de `make test`. 2. Artefactos de `output/` que sostienen tu decisión. 3. Cambio propio en datos, contrato, política, plantilla o código, según el objetivo del kit. 4. Nota técnica breve: qué has probado, qué ha fallado o pasado, y qué decisión tomarías. ### Cómo adaptarlo a tu caso 1. Ejecuta primero `make run` sin tocar nada para obtener la línea base reproducible. 2. Ejecuta `make test` antes de cambiar el ejercicio; así sabes que el ZIP llegó completo. 3. Sustituye o amplía los archivos de `data/` con casos de tu dominio manteniendo el mismo contrato de campos. 4. Ajusta `contracts/` cuando cambien tipos, campos obligatorios, umbrales o catálogos permitidos. 5. Usa `templates/` como base documental; no entregues una plantilla sin completar. 6. Guarda los outputs finales y una nota breve con la decisión técnica que tomarías en un proyecto real. ### Criterio de validación El kit está completo cuando se puede descargar, extraer, ejecutar con `make run`, validar con `make test` y explicar sin depender de ninguna carpeta externa. Si una práctica menciona código, datos, contrato, CSV, SQL, política o plantilla, ese contenido debe venir dentro del ZIP.