ou : Comment permettre la collaboration de données inter-entreprises de manière conforme au RGPD
Ce blog a été co-rédigé par David Sturzenegger et Florian Marty de decentriq
Les fusions et acquisitions (M&A) ont totalisé une valeur de près de 2,49 billions de dollars au cours des trois premiers trimestres de 2019. Pour toute opération de M&A, la diligence raisonnable est essentielle pour confirmer les informations sur les deux partenaires et estimer la valeur future des entreprises potentiellement combinées1. L’identification de la taille de la base de clients partagée est une tâche essentielle effectuée tôt dans le processus. À ce stade cependant, les deux entreprises ne sont généralement pas autorisées légalement à échanger leurs bases de données clients.
Jusqu’à présent, la seule solution de contournement a été d’engager un tiers de confiance qui rassemble les données des deux entreprises et les compare. Cela s’accompagne d’un long processus juridique en soi, en particulier lorsque les entreprises se trouvent dans différentes juridictions et que différentes réglementations sur la vie privée s’appliquent. Et si les deux entreprises pouvaient déterminer la taille de leur base de clients partagée sans avoir à partager leurs données avec qui que ce soit ?
Nous avons récemment travaillé avec decentriq pour examiner si le traitement sur la plateforme avato, qui permet aux clients et partenaires de decentriq de faire correspondre et d’analyser en toute sécurité des données sensibles via une application de navigateur, est conforme aux réglementations RGPD actuelles. Dans ce blog, nous allons d’abord introduire le concept d’intersection d’ensembles privés comme généralisation du problème de base de clients partagée introduit ci-dessus. Nous montrons ensuite comment sa solution a été implémentée dans la plateforme avato de decentriq d’une manière qui supprime le besoin d’un tiers de confiance (pas même decentriq). Avec avato, les deux parties fournissent leurs bases de données clients sur la plateforme, recevant des garanties de sécurité et de confidentialité très particulières : De manière prouvable, personne (pas même decentriq) ne peut accéder à leurs données non chiffrées et seule la taille de la base de clients partagée est produite.
Intersection d’ensembles privés
Une intersection d’ensembles privés (PSI) est le processus de détermination de l’intersection de deux ensembles de données ou plus (pensez aux listes de noms de clients) sans révéler aucune des données à qui que ce soit. Dans le cas de M&A décrit ci-dessus, cela signifie calculer le nombre de clients partagés de deux entreprises sans divulguer aucune information client à l’une des entreprises ou à un tiers.
Ce n’est pas une tâche triviale. L’utilisation d’un tiers de confiance s’accompagne des longs processus et coûts discutés ci-dessus. Pour éviter l’utilisation de tiers, des approches de hachage ont traditionnellement été appliquées. Malheureusement, aucune d’entre elles n’est vraiment satisfaisante :
- Les approches naïves appliquent la même fonction de hachage aux noms dans les deux bases de données, échangent le résultat et comparent les hachages2. Le nom identique aura le même hachage et peut ainsi être identifié comme partagé. Comme chaque partie connaît les hachages de ses clients, elle peut également déduire les noms des clients partagés. Cela peut déjà représenter une violation des lois locales sur la vie privée.
- Les approches plus élaborées utilisent des techniques de double hachage. Celles-ci sont plus compliquées, susceptibles aux attaques de confidentialité et surtout échouent encore dans le cas courant de légères différences dans les noms – pensez à « Freddy Mercury » dans une base de données contre « Fred Mercury » dans l’autre.
De nouveaux développements viennent à la rescousse. Les récentes avancées en cryptographie basée sur le matériel permettent de nouvelles solutions strictement supérieures au problème d’intersection d’ensembles privés.
La clé du PSI préservant la confidentialité est chiffrée dans une enclave
La plateforme avato de Decentriq exploite la technologie Intel’s Software Guard Extensions (Intel SGX) pour créer des programmes d’enclave sécurisés. Ce sont des programmes informatiques isolés qui peuvent fournir des garanties de sécurité et de confidentialité supplémentaires même lorsqu’ils s’exécutent sur une infrastructure cloud publique.
Supposons qu’Anna et Paul travaillent dans les deux entreprises en fusion et soient chargés de calculer la taille de leur base de clients partagée de manière préservant la confidentialité et conforme au RGPD. Ils décident d’utiliser une enclave sécurisée avato. Après avoir reçu les preuves de sécurité pertinentes, ils chiffrent localement leurs bases de données clients et les soumettent dans l’enclave sécurisée. De manière prouvable, cette enclave sécurisée particulière est le seul programme au monde qui peut déchiffrer ces données. Dans l’enclave, les identifiants sont appariés et le nombre de clients partagés est renvoyé à Anna et Paul.
L’utilisation d’une enclave sécurisée avato donne à Anna et Paul les garanties de sécurité et de confidentialité suivantes :
- Seul le programme d’enclave particulier auquel Anna et Paul sont connectés peut déchiffrer leurs bases de données clients.
- Personne ne peut accéder aux données déchiffrées, y compris decentriq et les fournisseurs d’infrastructure potentiels exécutant avato.
- L’enclave sécurisée ne produit que des statistiques agrégées préservant la confidentialité telles que le nombre de clients partagés.
L’utilisation d’avato fournit à Anna et Paul un moyen simple et sûr d’effectuer l’intersection d’ensembles privés. Par rapport à d’autres approches, elle ne nécessite pas de tiers de confiance ou d’algorithmes compliqués tout en permettant d’utiliser des algorithmes d’appariement plus sophistiqués (appariement flou) et de produire des statistiques supplémentaires préservant la confidentialité. Crucialement, tant que les garanties ci-dessus sont maintenues et que la sortie est des données non personnelles (par exemple le nombre de clients partagés), l’utilisation décrite d’avato est conforme au RGPD.
Pourquoi l’utilisation d’avato est conforme au RGPD
Le terme « données personnelles » est la porte d’entrée à l’application du RGPD. Les « données personnelles » sont définies à l’article 4(1) du RGPD comme toute information se rapportant à une personne physique identifiée ou identifiable. Une telle personne est désignée comme une personne concernée. Les personnes concernées sont identifiables si elles peuvent être identifiées directement ou indirectement. La définition des données personnelles est basée sur le risque réaliste d’identification, et l’applicabilité des règles de protection des données devrait être basée sur le risque de préjudice et la gravité probable.3
Selon le considérant 26(5) du RGPD, les principes de protection des données ne devraient pas s’appliquer aux informations anonymes, à savoir les informations qui ne se rapportent pas à une personne physique identifiée ou identifiable ou aux données personnelles rendues anonymes de telle manière que la personne concernée n’est pas ou plus identifiable.
Contrairement aux informations anonymes, il n’y a pas de mention de la qualification des informations chiffrées dans le RGPD, et jusqu’à présent, aucun tribunal de l’UE/EEE n’a explicitement décidé si les données chiffrées sont personnelles ou non. Cependant, l’agence la plus élevée pour la réglementation de la protection des données en Bavière (Landesamt für Datenschutzaufsicht) a conclu que les données chiffrées ne relèvent pas de la catégorie des données personnelles, sous la prémisse qu’elles sont chiffrées avec des méthodes cryptographiques fortes et de pointe.4
Le fait que les données chiffrées soient des données personnelles dépend donc des circonstances, en particulier des moyens raisonnablement susceptibles d’être utilisés (de bonne ou de mauvaise foi) pour réidentifier les individus.5 Les facteurs affectant la sécurité des données chiffrées contre le déchiffrement comprennent les éléments suivants :
- la force de la méthode de chiffrement (la force cryptographique de l’algorithme)
- la gestion des clés, telle que la sécurité du stockage des clés de déchiffrement et le contrôle d’accès aux clés.6
Selon WP136, les données « anonymisées » peuvent être considérées comme anonymes entre les mains d’un fournisseur si « dans le schéma spécifique dans lequel ces autres responsables du traitement (par exemple les fournisseurs) opèrent, la réidentification est explicitement exclue et des mesures techniques appropriées ont été prises à cet égard ».7
Selon le Bureau du Commissaire à l’information du Royaume-Uni (ICO), si (i) une partie a elle-même chiffré des données personnelles et (ii) est responsable de la gestion de la clé, elle traite des données couvertes par le RGPD, car elle a la capacité de réidentifier les individus par le déchiffrement de cet ensemble de données.8 Sur cette base, Hon/Millard/Walden suggèrent que si une partie ne peut pas visualiser les données, elle ne peut pas identifier les personnes concernées, et par conséquent l’identification peut être exclue en empêchant les autres de pouvoir accéder ou lire les données.9 Par analogie avec les données codées par clé, pour la personne chiffrant des données personnelles, comme un utilisateur cloud avec la clé de déchiffrement, les données restent des « données personnelles ».10 Cependant, entre les mains d’une autre personne, comme un fournisseur de plateforme cloud stockant des données chiffrées sans accès à la clé et sans moyens « raisonnablement susceptibles » d’être utilisés pour le déchiffrement, les données peuvent être considérées comme anonymes.11 Cela retire les fournisseurs de cloud du champ d’application de la législation sur la protection des données, au moins lorsque les données ont été fortement chiffrées par le responsable du traitement avant la transmission, et que le fournisseur ne peut pas accéder à la clé.
Avec le chiffrement, de nombreuses parties qui traitent les données n’ont pas la clé de chiffrement. La clé de chiffrement reste avec le générateur des données. C’est le cas avec avato, ce qui signifie que le chiffrement dans ce cas présente des similitudes avec les effets de l’anonymisation, car decentriq n’a aucun moyen d’inverser le processus pour accéder aux données brutes. En fait, decentriq n’a aucun moyen de savoir si des informations personnellement identifiables sont contenues dans les ensembles transférés à avato, et en tant que tel il serait impossible de définir la portée du traitement dans un accord de traitement de données avec ses clients. decentriq n’a pas plus de chances d’accéder aux données que quiconque trouve la clé par accident. Le chiffrement fort d’avato a donc des effets similaires à l’anonymisation, c’est-à-dire qu’il transforme les données personnelles au sens du RGPD en données non personnelles à partir du point de chiffrement.
En conséquence de ce qui précède, à toutes fins utiles, avato en tant qu’hôte de données chiffrées ne traite pas de données personnelles selon la définition du RGPD. decentriq ne peut pas accéder à ces données, et même si ses serveurs étaient compromis, les personnes concernées seraient peu exposées du point de vue de la vie privée puisque les données seraient également inintelligibles pour les malfaiteurs.
Résumé
Dans ce blog, nous avons introduit le problème d’intersection d’ensembles privés et l’avons motivé avec le cas d’utilisation d’une fusion potentielle de deux entreprises où le nombre de clients partagés devrait être calculé de manière privée. Nous avons soutenu que les approches traditionnelles à ce problème ne sont pas satisfaisantes et que les nouvelles technologies telles qu’Intel SGX permettent des solutions strictement supérieures. Une telle solution est la plateforme avato de decentriq qui permet un calcul prouvablement préservant la confidentialité sur les données. Nous avons soutenu que l’utilisation d’avato est conforme au RGPD, même lorsque le calcul est effectué sur des données personnellement identifiables comme dans le cas décrit. Bien que nous ayons utilisé l’exemple d’intersection d’ensembles privés, cela se généralise aux nombreux autres cas d’utilisation d’informatique confidentielle pris en charge par avato.
Pour plus d’informations techniques sur la plateforme avato, consultez le blog de decentriq à https://blog.decentriq.ch/. Pour recevoir l’évaluation RGPD complète effectuée par LEXR, contactez contact@lexr.com.
1https://www.bbgbroker.com/due-diligence-in-mergers-and-acquisitions/
2https://en.wikipedia.org/wiki/Private_set_intersection
3Ustaran E, European Data Protection Law and Practice, 44.
4Tätigkeitsbericht 2017/18 – Bayerisches Landesamt für Datenschutzaufsicht, 89.
5Mourby M, Are pseudonymized data always personal data? Implications of the GDPR for administrative data research in the UK, in Computer Law & Security Review, 2018, Vol. 34, 224.
6ibid.
7Opinion 4/2007 on the concept of personal data, WP136 (2007).
8Ibid.
9Hon/Millard/Walden, The problem of ‘personal data’ in cloud computing: what information is regulated? – the cloud of unknowing, in International Data Privacy Law, 2011, Vol. 1, No. 4, 219.
10Ibid.
11Ibid.




