security - 为开发人员开源生产数据？

Question

我正在构建一个开源的、用户贡献内容的网站，我认为如果开发人员可以访问每晚的生产 SQL 转储，他们更有可能从 github 上查看代码并玩用它。

根据这个想法，我正在考虑：

• 根本不收集私人用户信息，对帐户使用 open-id，并大量使用 memcache 进行会话身份验证等。
• 在发布之前匿名敏感数据

有时我会被“如果...不是很酷吗？”得意忘形。想法，所以我希望在这里进行健全性检查。这两种方法有什么明显的缺陷吗？这是一个理智的想法吗？

Answer 1

一般来说，我认为你应该两者都做。您收集的任何私人数据对您来说都是一种责任，而不仅仅是因为您打算发布您的数据库。你能收集的越少越好。

然而，出于同样的原因，您可能会意识到敏感的不仅仅是 ID 和密码。还记得AOL 搜索数据泄露吗？还是 Netflix 数据库出版物？即使没有 ID，人们也能通过拼凑用户行为轨迹并将其与其他地方的数据对应起来，设法找出一些账户的真实身份。有些人对他们的搜索历史和电影租借感到尴尬。去搞清楚。

因此，我认为一般规则应该是尽可能少地收集，并将剩下的匿名化。即使您不存储与某个帐户对应的人的身份，您也可能想要打乱各种登录的操作。

另一方面，在某些情况下，您根本不关心这种隐私。例如，在维基百科中，您在网站上可以做的几乎所有事情都是公开的。至少，记录在数据库中的所有内容。如果信息已经通过 API 可用，则将其隐藏在数据库下载中是没有意义的。

Answer 2

除了收集更少的数据并匿名您收集的数据之外，您还可以添加一个位/标志供用户选择是否包含他们的数据。您可以将其设置为 CC 许可证标志，以便在满足您的需求的同时为用户提供温暖的'n'fuzzies。

Answer 3

听起来是个不错的主意。您必须注意的一件事是安全性，因为黑客会知道您的数据库的确切架构。虽然这不是不可能处理的，但只要看看大多数开源项目。但是您需要更加强调安全性，因为现在可以更轻松地进行潜在的 SQL 注入。

另一件事是双重确保敏感数据是匿名的。此外，有些人可能（错误地）试图声称他们对用户提交的内容的版权受到侵犯，因此您可能需要指定 CC 许可证或其他东西，只是为了让一切更加清晰并防止将来出现问题（即使您是对的） ）。