⚡

GDPR/DSGVO专家 gdpr-dsgvo-expert

提供GDPR和德国DSGVO合规的工具和指导，包括代码库隐私风险扫描、DPIA文件生成和数据主体权利请求管理。

数据隐私 0 次安装 0 次浏览 更新于 3/5/2026

name: gdpr-dsgvo-expert description: GDPR和德国DSGVO合规自动化。扫描代码库以查找隐私风险，生成DPIA文件，跟踪数据主体权利请求。用于GDPR合规性评估、隐私审计、数据保护规划、DPIA生成和数据主体权利管理。

GDPR/DSGVO专家

欧盟通用数据保护条例（GDPR）和德国联邦数据保护法（BDSG）合规的工具和指导。

目录

工具

GDPR合规检查器

扫描代码库以查找潜在的GDPR合规问题，包括个人数据模式和风险代码实践。

# 扫描项目目录
python scripts/gdpr_compliance_checker.py /path/to/project

# JSON输出用于CI/CD集成
python scripts/gdpr_compliance_checker.py . --json --output report.json

检测：

  • 个人数据模式（电子邮件、电话、IP地址）
  • 特殊类别数据（健康、生物识别、宗教）
  • 财务数据（信用卡、IBAN）
  • 风险代码模式：
    • 记录个人数据
    • 缺少同意机制
    • 无限期数据保留
    • 未加密的敏感数据
    • 禁用删除功能

输出：

  • 合规分数（0-100）
  • 风险分类（严重、高、中）
  • 优先级建议及GDPR条款参考

DPIA生成器

生成符合Art. 35要求的数据保护影响评估文件。

# 获取输入模板
python scripts/dpia_generator.py --template > input.json

# 生成DPIA报告
python scripts/dpia_generator.py --input input.json --output dpia_report.md

特点：

  • 自动DPIA阈值评估
  • 基于处理特征的风险识别
  • 法律依据要求文件
  • 缓解建议
  • Markdown报告生成

DPIA触发评估：

  • 系统监控（Art. 35(3)©）
  • 大规模特殊类别数据（Art. 35(3)(b)）
  • 自动决策（Art. 35(3)(a)）
  • WP29高风险标准

数据主体权利跟踪器

管理GDPR第15-22条下的数据主体权利请求。

# 添加新请求
python scripts/data_subject_rights_tracker.py add \
  --type access --subject "John Doe" --email "john@example.com"

# 列出所有请求
python scripts/data_subject_rights_tracker.py list

# 更新状态
python scripts/data_subject_rights_tracker.py status --id DSR-202601-0001 --update verified

# 生成合规报告
python scripts/data_subject_rights_tracker.py report --output compliance.json

# 生成响应模板
python scripts/data_subject_rights_tracker.py template --id DSR-202601-0001

支持的权利：

权利 文章 截止日期
访问 Art. 15 30天
修正 Art. 16 30天
删除 Art. 17 30天
限制 Art. 18 30天
可携带性 Art. 20 30天
反对 Art. 21 30天
自动决策 Art. 22 30天

特点：

  • 截止日期跟踪与逾期提醒
  • 身份验证工作流程
  • 响应模板生成
  • 合规报告

参考指南

GDPR合规指南

references/gdpr_compliance_guide.md

全面的实施指导，涵盖：

  • 处理的法律依据（Art. 6）
  • 特殊类别要求（Art. 9）
  • 数据主体权利实施
  • 责任要求（Art. 30）
  • 国际传输（第五章）
  • 违规通知（Art. 33-34）

德国BDSG要求

references/german_bdsg_requirements.md

德国特定要求，包括：

  • DPO任命阈值（§ 38 BDSG - 20+员工）
  • 雇佣数据处理（§ 26 BDSG）
  • 视频监控规则（§ 4 BDSG）
  • 信用评分要求（§ 31 BDSG）
  • 州数据保护法（Landesdatenschutzgesetze）
  • 工作委员会共同决策权

DPIA方法论

references/dpia_methodology.md

逐步DPIA流程：

  • 阈值评估标准
  • WP29高风险指标
  • 风险评估方法
  • 缓解措施类别
  • DPO和监管机构咨询
  • 模板和清单

工作流程

工作流程1：新处理活动评估

步骤1：在代码库上运行合规检查器
        → python scripts/gdpr_compliance_checker.py /path/to/code

步骤2：审查发现和合规分数
        → 解决严重和高问题

步骤3：确定是否需要DPIA
        → 检查references/dpia_methodology.md阈值标准

步骤4：如果需要DPIA，生成评估
        → python scripts/dpia_generator.py --template > input.json
        → 填写处理细节
        → python scripts/dpia_generator.py --input input.json --output dpia.md

步骤5：在处理活动记录中记录

工作流程2：数据主体请求处理

步骤1：在跟踪器中记录请求
        → python scripts/data_subject_rights_tracker.py add --type [type] ...

步骤2：验证身份（成比例的措施）
        → python scripts/data_subject_rights_tracker.py status --id [ID] --update verified

步骤3：从系统中收集数据
        → python scripts/data_subject_rights_tracker.py status --id [ID] --update in_progress

步骤4：生成响应
        → python scripts/data_subject_rights_tracker.py template --id [ID]

步骤5：发送响应并完成
        → python scripts/data_subject_rights_tracker.py status --id [ID] --update completed

步骤6：监控合规性
        → python scripts/data_subject_rights_tracker.py report

工作流程3：德国BDSG合规检查

步骤1：确定是否需要DPO
        → 20+员工自动处理个人数据
        → 或处理需要DPIA
        → 或业务涉及数据传输/市场研究

步骤2：如果涉及员工，审查§ 26 BDSG
        → 为员工数据记录法律依据
        → 检查工作委员会要求

步骤3：如果视频监控，遵守§ 4 BDSG
        → 安装标志
        → 记录必要性
        → 限制保留

步骤4：向监管机构注册DPO
        → 参见references/german_bdsg_requirements.md监管机构列表

关键GDPR概念

法律依据（Art. 6）

  • 同意：市场营销、新闻通讯、分析（必须自由给出、具体、知情）
  • 合同：订单履行、服务交付
  • 法律义务：税务记录、就业法
  • 合法利益：欺诈预防、安全（需要平衡测试）

特殊类别数据（Art. 9）

需要明确同意或Art. 9(2)例外：

  • 健康数据
  • 生物识别数据
  • 种族/民族起源
  • 政治观点
  • 宗教信仰
  • 工会成员资格
  • 遗传数据
  • 性取向

数据主体权利

所有权利必须在30天内履行（对于复杂请求可延长至90天）：

  • 访问：提供数据副本和处理信息
  • 修正：纠正不准确的数据
  • 删除：删除数据（法律义务除外）
  • 限制：在问题解决时限制处理
  • 可携带性：以机器可读格式提供数据
  • 反对：基于合法利益停止处理

德国BDSG补充

主题 BDSG条款 关键要求
DPO阈值 § 38 20+员工=强制性DPO
雇佣 § 26 详细的员工数据规则
视频 § 4 标志和比例性
评分 § 31 可解释的算法