Enabling the Collaborative Collection of Uncertainty Sources Regarding Confidentiality

Mit der zunemenden Digitalisierung nimmt die Menge gespeicherter sensibler Daten
in Softwaresystemen zu. Jedoch kann die Vertraulichkeit dieser Daten in vielen Fällen
nicht garantiert werden, da Ungewissheiten mit Auswirkung auf die Vertraulichkeit der
Daten bestehen, insbesondere in den frühen Phasen der Softwareentwicklung. Da solche
Ungewissheiten noch nicht ausreichend berücksichtigt werden und erforscht sind, besteht
bei Softwarearchitekten ein Mangel an Bewusstsein für das Thema. Darüber hinaus ist das
vorhandene Wissen über verschiedene Forscher und Institutionen verstreut, was es für
... mehr
Softwarearchitekten schwierig macht, das Wissen gesammelt zu erfassen und zu nutzen.
Die aktuelle Forschung zu Ungewissheiten in Bezug auf Vertraulichkeit konzentriert sich
auf die Analyse von Softwaresystemen, um die Möglichkeiten von Vertraulichkeitsverletzungen
zu bewerten, sowie auf die Entwicklung von Methoden zur Klassifizierung
von Ungewissheiten. Diese Ansätze beschränken sich jedoch auf die beobachteten Ungewissheiten
der Forscher, was die Verallgemeinerbarkeit von Klassifikationssystemen,
die Gültigkeit von Analysemethoden und die Entwicklung von Minderungsstrategien
einschränkt. Diese Arbeit zielt darauf ab, zur Sammlung und Verwaltung von Wissen über
Ungewissheiten in Bezug auf Vertraulichkeit beizutragen, um es SoftwarearchitektInnen zu
ermöglichen, Ungewissheiten in Bezug auf Vertraulichkeit besser zu verstehen und diese
in Ihren Software Architekturen zu identifizieren. Darüber hinaus soll der vorgeschlagene
Ansatz die Zusammenarbeit zwischen Forschern und Praktikern ermöglichen, um den
Aufwand für die Sammlung des Wissens möglichst gering zu halten. Um diesen Ansatz
und seine Fähigkeit, die Forschungsziele zu erfüllen zu validieren, wurde ein Prototyp
entwickelt und mit einer Nutzerstudie an 17 Teilnehmern aus dem Bereich Softwaretechnik
evaluiert, darunter 7 Studenten, 5 Forscher und 5 Praktiker. Die Ergebnisse zeigen, dass
der Ansatz Softwarearchitekten dabei unterstützen kann, Ungewissheiten in Bezug auf
Vertraulichkeit zu identifizieren und zu beschreiben, auch bei Personen mit begrenztem
Vorwissen, da sie in einer nahezu realen Umgebung Ungewissheiten in 94,4% der Fällen
korrekt identifizieren und beschreiben konnten.

With digitalization in progress, the amount of sensitive data stored in software systems
is increasing. However, the confidentiality of this data can often not be guaranteed, as
uncertainties with an impact on confidentiality exist, especially in the early stages of
software development. As the consideration of uncertainties regarding confidentiality
is still novel, there is a lack of awareness of the topic among software architects. Additionally,
the existing knowledge is scattered among researchers and institutions, making
it challenging to comprehend and utilize for software architects. ... mehrCurrent research on
uncertainties regarding confidentiality has focused on analyzing software systems to
assess the possibilities of confidentiality violations, as well as the development of methods
to classify uncertainties. However, these approaches are limited to the researchers’ observed
uncertainties, limiting the generalizability of classification systems, the validity
of analysis results, and the development of mitigation strategies. This thesis presents
an approach to enable the collection and management of knowledge on uncertainties
regarding confidentiality, enabling software architects to comprehend better and identify
uncertainties regarding confidentiality. Furthermore, the proposed approach strives to
enable collaboration between researchers and practitioners to manage the effort to collect
the knowledge and maintain it. To validate this approach, a prototype was developed
and evaluated with a user study of 17 participants from software engineering, including 7
students, 5 researchers, and 5 practitioners. Results show that the approach can support
software architects in identifying and describing uncertainties regarding confidentiality,
even with limited prior knowledge, as they could identify and describe uncertainties
correctly in a close-to-real-world scenario in 94.4% of the cases.