开发人员的开源生产数据？

Question

我正在建立一个网站，它将是一种开放源代码的，用户提供的内容，而且，我认为如果开发人员可以访问每晚的生产SQL转储，则他们更有可能从github上检出代码并玩用它。

符合该想法，我正在考虑：

• 完全不收集私人用户信息 ，使用open-id帐户，大量使用memcache进行会话身份验证。
• 发布前对敏感数据进行匿名处理

有时我会被“如果...会不会很酷？”迷住了。 想法，所以我希望在这里进行健全性检查。 两种方法都有明显的缺陷吗？ 这是一个理智的想法吗？

Answer 1

一般来说，我认为您应该同时做这两项。 您收集的任何私人数据都只是您的责任，而不仅仅是因为您打算发布数据库。 您可以收集的越少越好。

但是，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搜索数据泄漏吗？ 还是Netflix数据库出版物？ 即使没有ID， 人们也可以简单地通过将用户行为的踪迹拼凑在一起，并与其他地方的数据相对应， 从而找出某些帐户的真实身份 。 一些人为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收集尽可能少的内容，并对剩下的内容进行匿名处理。 即使您不存储与某个帐户对应的人的身份，您也可能希望对各种登录名所做的事情进行打乱。

另一方面，在某些情况下，您根本不在乎这种隐私。 例如，在Wikipedia中，您在网站上可以做的几乎所有事情都是公开的。 至少，所有记录在数据库中的东西。 如果该信息已通过API提供，则没有必要将其隐藏在数据库下载中。

Answer 2

除了收集较少的数据并匿名化您收集的数据外 ，您还可以为用户添加一个位/标志， 以选择是否包括其数据 。 您可以将其设置为CC许可标志，以在满足您需求的同时为用户提供温暖的毛毛。

Answer 3

听起来是个不错的主意。 但是，您必须要小心的一件事就是安全性，因为黑客会知道您数据库的确切架构。 尽管这不是没有可能，但是请看一下大多数开源项目。 但是您将需要特别强调安全性，因为现在说潜在的SQL注入变得容易得多。

另一件事是要双重确保敏感数据是匿名的。 另外，有些人可能（错误地）试图声称他们侵犯了用户提交的内容的版权，因此，您可能想要指定CC许可或某些东西，以使所有内容变得更加清晰并防止将来出现头痛（即使您仍然正确） ）。