InterCloud

Guia · Conformidade

Como projetar sistemas de negócio que atendam aos requisitos de proteção de dados

A legislação de proteção de dados é uma obrigação legal, e a maior parte de seus requisitos é cumprida ou descumprida no desenho dos sistemas. Este guia toma como referência a Lei de Proteção de Dados Pessoais da Tailândia (PDPA) e traduz os principais deveres da lei em funcionalidades e controles concretos para quem desenvolve e opera software de negócio.

O que a PDPA exige de um sistema

A Lei de Proteção de Dados Pessoais B.E. 2562 (2019) se aplica a organizações que coletam, usam ou divulgam dados pessoais de pessoas na Tailândia. Ela distingue o controlador, que decide por que e como os dados são tratados, do operador, que realiza o tratamento em nome do controlador, e é supervisionada pelo Personal Data Protection Committee (PDPC). A lei estabelece as bases legais para o tratamento, os direitos dos titulares dos dados, as obrigações de segurança, os deveres de manutenção de registros e a exigência de notificação de violações.

Este guia é informativo e não constitui aconselhamento jurídico. A lei, seus regulamentos e as orientações do PDPC mudam com o tempo; o encarregado de proteção de dados ou a assessoria jurídica da sua organização deve confirmar como eles se aplicam a ela. O que segue é a visão de engenharia: quando a lei exige que a organização seja capaz de fazer algo, este guia descreve o que o sistema precisa ter para fazê-lo.

A base legal como um campo de dados

A PDPA reconhece várias bases para o tratamento de dados pessoais. Na prática, a exigência é que, para cada categoria de dados pessoais que o sistema armazena, a organização consiga informar qual base se aplica e que o sistema se comporte de acordo.

  • Registre a base por finalidade

    Modele as finalidades de forma explícita (folha de pagamento, atendimento de pedidos, marketing, prevenção a fraudes) e associe uma base legal a cada uma: consentimento, contrato, obrigação legal, legítimo interesse, interesses vitais ou interesse público. Mantenha isso na configuração do sistema, onde pode ser reportado, e não apenas em um documento de política.

  • Trate os dados sensíveis separadamente

    Dados de saúde, biométricos, religiosos, de antecedentes criminais e similares têm regras mais rígidas. Sinalize esses campos no nível do esquema para que sejam criptografados, mascarados por padrão, excluídos de exportações e de analytics e tratados apenas quando houver uma base específica registrada.

  • Faça a base determinar o comportamento

    Se o marketing se baseia em consentimento, o sistema não deve enviar comunicações de marketing a quem não deu ou revogou o consentimento, e isso deve ser garantido no código de envio, e não por um lembrete à equipe. Se a retenção se baseia em uma obrigação legal, as regras de exclusão seguem o prazo dessa obrigação.

Registros de consentimento que possam ser apresentados

Quando o consentimento é a base, o sistema precisa ser capaz de mostrar que uma pessoa específica concordou com um uso específico, com uma redação específica, em um momento específico, e de que forma. Armazene um registro de consentimento com o identificador do titular dos dados, a finalidade, a versão do aviso ou do texto de consentimento que ele viu, a data e hora, o canal (formulário web, aplicativo, papel digitalizado, ligação) e qualquer evidência, como o ID do formulário. Guarde cada versão do texto de consentimento; um registro que aponta para um texto já reescrito não comprova nada.

A revogação deve ser tão fácil quanto dar o consentimento e deve ter efeito em todos os sistemas que agiram com base nele. Projete o consentimento como um estado central que os sistemas subsequentes (uma plataforma de marketing, um sistema de envio de newsletter, um pipeline de analytics) consultam no momento do uso, e não como um indicador copiado uma vez e esquecido. A newsletter do nosso próprio site é um pequeno exemplo desse padrão: double opt-in por e-mail, um link de descadastro em todas as mensagens e uma lista de supressão aplicada antes do envio.

O consentimento não é a base adequada para tudo. O tratamento dos dados de um funcionário para a folha de pagamento ou dos dados de um cliente para entregar uma compra se baseia em contrato ou obrigação legal; pedir consentimento nesses casos cria um direito de revogação que a organização não pode honrar. Quando a base é escolhida com precisão, os registros de consentimento se tornam menos numerosos e mais significativos.

Controle de acesso e minimização de dados

A lei exige medidas de segurança adequadas. Em termos de sistema, isso começa pelo menor privilégio: acesso baseado em funções, em que cada função vê os campos de que seu trabalho precisa e nada além. Um modelo Proprietário/Administrador/Membro/Leitor é uma boa base para um workspace; as aplicações de negócio geralmente precisam de funções mais granulares, para que um operador de armazém veja os endereços de entrega, mas não os números de documento de identidade, e um atendente de suporte veja os quatro últimos dígitos de um cartão, mas nunca o número completo. O mascaramento em nível de campo, aplicado na camada da API para que nenhum cliente possa contorná-lo, vale o esforço para campos pessoais e sensíveis.

A minimização se aplica na coleta e em cada cópia. Colete apenas os campos de que uma finalidade precisa; não copie dados pessoais de produção para ambientes de teste e desenvolvimento, e gere ou anonimize dados de teste no lugar deles; restrinja exportações e downloads em massa às funções que precisam deles e registre cada um. Uma autenticação forte protege tudo isso: login único (SSO) com o provedor de identidade da organização, autenticação de dois fatores, chaves de acesso (passkeys) onde houver suporte e tempos limite de sessão proporcionais à sensibilidade dos dados.

Os operadores de que a organização depende (hospedagem, e-mail, analytics, serviços de IA) precisam de contratos que os vinculem aos mesmos padrões, e a arquitetura deve deixar claro quais dados pessoais fluem para cada um deles.

Retenção e exclusão que acontecem de fato

Os dados pessoais só podem ser mantidos pelo tempo que a finalidade exigir ou que uma lei determinar. Transforme isso em uma tabela de retenção por categoria de dados, com um prazo e uma justificativa legal ou de negócio: registros contábeis pelo período exigido pela legislação tributária, dados de candidatos a vagas por um tempo definido após a decisão, contas de clientes inativas após um período definido de inatividade, transcrições de chats de suporte após um prazo definido. Em seguida, automatize a tabela. Uma política de retenção que depende de alguém executar um script uma vez por ano não é um controle.

Defina como a exclusão funciona tecnicamente. A exclusão lógica (soft delete) torna os dados invisíveis, mas eles continuam lá; ela só é aceitável como um curto período de carência antes da exclusão definitiva ou da anonimização. A anonimização, que remove ou transforma de forma irreversível os identificadores preservando as estatísticas, permite que a organização mantenha o histórico do negócio sem manter as pessoas. Os backups precisam do mesmo tratamento: defina por quanto tempo eles são mantidos, confirme que estão criptografados e garanta que os dados restaurados passem pelas exclusões feitas depois que o backup foi gerado.

Atender às solicitações dos titulares sem envolver a engenharia

Os titulares dos dados podem perguntar quais dados a organização tem sobre eles, solicitar cópias e correções, pedir a exclusão, se opor ao tratamento ou restringi-lo e revogar o consentimento, e o controlador precisa agir dentro do prazo estabelecido pela lei e pelos regulamentos. O requisito para o sistema é permitir que um funcionário treinado atenda a essas solicitações sem ajuda da engenharia: localizar todos os registros de uma pessoa em todos os módulos, gerar uma exportação legível dos seus dados pessoais, corrigir um campo com um registro de auditoria e executar a exclusão ou a anonimização respeitando as regras de retenção que precisam ser cumpridas (uma fatura não pode ser excluída porque o cliente pediu a exclusão; ela pode ser mantida com uma base legal registrada).

Mantenha um registro das solicitações: quem pediu, quando, como a identidade foi verificada, o que foi feito e quando foi concluído. Esse registro demonstra a conformidade e mostra onde os processos estão lentos.

Logs de auditoria

Um log de auditoria registra quem fez o quê, com quais dados e quando: logins, alterações de permissões, visualizações e exportações de dados pessoais, edições e exclusões, alterações de configuração. Ele deve ser gravado pela aplicação no momento da ação, armazenado separadamente dos dados de negócio, com acesso de gravação restrito, e mantido por um prazo definido de forma deliberada. Logs que ficam no mesmo banco de dados, com os mesmos administradores, não oferecem proteção contra uma ameaça interna.

Os logs precisam ser úteis, e não apenas existir: pesquisáveis por pessoa e por registro, revisados periodicamente e com alertas para padrões incomuns, como exportações em massa ou acessos fora do horário de trabalho. Os próprios logs de auditoria contêm dados pessoais e devem constar na tabela de retenção.

Um processo de resposta a violações já ensaiado

A lei exige que os controladores notifiquem o PDPC sobre uma violação de dados pessoais sem demora injustificada e, sempre que possível, em até 72 horas após tomarem conhecimento dela, a menos que seja improvável que a violação represente risco aos direitos e liberdades; quando o risco é alto, os titulares afetados também devem ser informados. Setenta e duas horas passam rápido. Do lado do sistema, estar preparado significa detectar, ou seja, ter registros e monitoramento capazes de revelar um acesso não autorizado, além da capacidade de determinar rapidamente quais dados foram afetados, de quem e em que período.

Do lado da organização, é preciso um processo de incidentes por escrito: quem é avisado primeiro, quem avalia o risco, quem redige a notificação, quem fala com os clientes, além de modelos preparados com antecedência em cada idioma em que a organização trabalha. Faça anualmente um exercício de simulação (tabletop) com um cenário realista, para que o runbook não seja usado pela primeira vez durante uma violação.

Uma checklist de preparação

Para uma revisão do sistema com o encarregado de dados (DPO) e os líderes de engenharia.

  • Cada categoria de dados pessoais associada a uma finalidade e a uma base legal, registradas no sistema.
  • Dados sensíveis sinalizados no nível do esquema: criptografados, mascarados por padrão, excluídos de exportações e de analytics.
  • Registros de consentimento com versão do texto, data e hora e canal; a revogação se propaga para todos os sistemas que agem com base nele.
  • Acesso baseado em funções com mascaramento em nível de campo na API; nenhum dado pessoal de produção em ambientes não produtivos.
  • SSO, autenticação de dois fatores ou chaves de acesso (passkeys) e tempos limite de sessão proporcionais à sensibilidade.
  • Tabela de retenção por categoria, exclusão ou anonimização automatizada, incluindo os backups.
  • Solicitações dos titulares atendidas por funcionários treinados com ferramentas de busca, exportação, correção e exclusão, com registro das solicitações.
  • Logs de auditoria armazenados separadamente, com gravação restrita, pesquisáveis, revisados e retidos de forma deliberada.
  • Runbook de violações com papéis definidos, modelos em cada idioma de trabalho e um exercício anual.
  • Contratos com os operadores firmados e fluxos de dados para cada operador documentados.

Revisões de arquitetura para conformidade com a proteção de dados

Revisamos arquiteturas em conjunto com as equipes de proteção de dados, mediante solicitação. Nossas equipes projetam aplicações de negócio, ambientes de nuvem e sistemas de IA para grandes empresas, com acesso baseado em funções, trilhas de auditoria e retenção incorporados.