Meta stellt PrivacyLib vor: gemeinsame Bibliothek erzwingt Datenschutz beim Datenzugriff

Eine Integration, viele Datenschutzfunktionen

PrivacyLib ist Teil von Metas Privacy Aware Infrastructure (PAI), die nach Angaben des Unternehmens eine wiederkehrende Frage beantworten soll: Lässt sich belegen, dass Daten nur dorthin gelangen, wo sie hindürfen? Meta erklärt, dass es in seiner Größenordnung nicht allein auf manuelle Datenschutzprüfungen setzen will, die mit der Weiterentwicklung der Systeme aus dem Takt geraten können. PrivacyLib deckt das ab, was Meta die letzte Stufe des PAI-Workflows nennt: die kontinuierliche Durchsetzung und Überwachung von Datenflüssen.

Vor PrivacyLib integrierte Meta die Durchsetzung des Datenschutzes für jede Anforderung separat in die Clients der einzelnen Daten- und Verarbeitungssysteme. Nach Angaben des Unternehmens konnte es Monate dauern, eine neue Anforderung systemübergreifend umzusetzen. PrivacyLib trennt die Systemintegration von der Umsetzung der Anforderungen. Ein System wird einmal integriert, und lässt sich eine Anforderung beim Datenzugriff erfüllen, wird sie als Modul gebaut, das alle bereits integrierten Systeme gemeinsam nutzen.

Es gibt zwei Arten von Modulen:

• Durchsetzende Module können einen Datenzugriff blockieren. Ein Beispiel ist Policy Zones, das die Zweckbindung durchsetzt.
• Beobachtende Module protokollieren einen Datenzugriff lediglich. Ein Beispiel ist Privacy Probes, das Laufzeitsignale zur Erkennung von Datenflüssen erfasst.

Da interne KI-Agenten zu einem neuen Weg des Datenzugriffs wurden, ergänzte Meta außerdem ein Modul namens Agent Observability. Es beobachtet agentenbezogene Datenzugriffe und hilft, die Daten zu schützen, die Agenten erreichen können. Bei Agenten, deren Zugriffspfade möglicherweise nicht im Voraus bekannt sind, übermitteln Tool-Aufrufe auf unterstützten Pfaden den Agentenkontext an PrivacyLib. Dieser Kontext verknüpft jeden Zugriff mit seiner Sitzung, sodass Module die Datennutzung beobachten und unzulässige Operationen blockieren können.

Größenordnung und Umgang damit

Meta nennt den Umfang, in dem PrivacyLib arbeitet: mehr als hundert Bibliotheken für den Zugriff auf Datendienste, von Key-Value-Stores bis zu KI-Funktionen, Tausende Produktivdienste mit Versionen der ausgerollten Bibliothek, täglich Millionen abgerufener Assets und Milliarden Prüfungen pro Sekunde. Das Unternehmen nennt drei Herausforderungen.

Abdeckung. Systeme können mehrere Client-Bibliotheken und Altintegrationen haben, direkte Netzwerkaufrufe annehmen und direkten Datenbankzugriff bieten. Meta integriert auf zwei Ebenen: in typisierten Client-Bibliotheken, in denen PrivacyLib den vollständigen Anfragekontext kennt, und an tieferen Netzwerkgrenzen auf den übrigen RPC-Pfaden. Jedes System bildet seine nativen APIs auf die gemeinsamen Operationen von PrivacyLib ab, sodass dasselbe Modul anschließend ohne separaten Integrationsaufwand in mehreren Systemen aktiviert werden kann.

Skalierung. Schon geringe Kosten pro Prüfung fallen bei Milliarden Prüfungen pro Sekunde ins Gewicht. Meta zufolge werden die Anforderungen zur Build-Zeit in ihre einfachste auswertbare Form kompiliert, und die meisten Prüfungen werden aus In-Process-Caches beantwortet, sodass der Regelfall ohne Netzwerkaufruf auskommt.

Zuverlässigkeit. Die Datenschutzlogik läuft im Hot Path kritischer Systeme, die Teams gehören, die nach eigenem Zeitplan veröffentlichen. Weil ein flottenweiter Rollback nicht der Weg zur Wiederherstellung sein kann, wird die Durchsetzung als Teil des Dienstes ausgeliefert, dem sie gehört, und gelangt über dessen eigene Pipeline in die Produktion. Änderungen werden zudem pro Modul simuliert und ausgerollt.

Beispiel: Schutz von Messaging-Metadaten

Meta erläutert einen Fall mit Messaging-Metadaten. Die Backend-Systeme von Messenger verarbeiten Daten ohne Inhalte, etwa Informationen darüber, wann Nachrichten gesendet oder zugestellt werden, um die Produktleistung zu verbessern, Missbrauch zu erkennen und Nutzer vor schädlichem Verhalten zu schützen, im Rahmen des geltenden Rechts. Viele Backend-Dienste schreiben diese Metadaten über Logger, eine Client-Bibliothek, in Tabellen des Data Warehouse.

Bevor ein Datensatz geschrieben wird, ruft die PrivacyLib-Integration in Logger Policy Zones auf, um zu prüfen, ob die Metadaten in die Zieltabelle fließen dürfen. Die Annotation, die die Daten beschreibt, wird einmal in der LoggerConfig des Ziels deklariert und nicht von jedem schreibenden Dienst, sodass alle Schreiber dieselbe Beschreibung teilen und Deklarationen nicht voneinander abweichen können. Die Codegenerierungs-Pipeline von Logger übersetzt die Konfiguration anschließend in ein Artefakt, das PrivacyLib verarbeiten kann und das die Identität des Ziels sowie die Messaging-Annotation enthält.

Was das bedeutet

Für Meta heißt der Ansatz, dass eine neue Datenschutzfunktion als Modul statt als Projekt kommt. Meta zufolge übernahmen Systeme, die bereits mit PrivacyLib integriert waren, das Modul Agent Observability ohne neuen Integrationsaufwand. Das Design soll es auch ermöglichen, Produkte weiterhin schnell weiterzuentwickeln, während Datenschutzanforderungen innerhalb der Infrastruktur selbst geprüft werden.