ODRL Policy Comparison Through Normalisation

Dit artikel presenteert een genormaliseerde aanpak voor ODRL-beleid die complexe regels reduceert tot minimale, semantisch equivalente componenten, waardoor beleidsvergelijking wordt teruggebracht tot het controleren van identiteit.

De kern

De Probleemstelling: De "Recepten" die niet op elkaar lijken

Stel je voor dat ODRL (Open Digital Rights Language) een wereldwijde taal is voor het schrijven van recepten voor digitale rechten. Bedrijven en organisaties gebruiken deze recepten om te zeggen wie wat mag doen met hun data. Bijvoorbeeld: "Alice mag het bestand lezen, maar alleen op maandag en alleen als ze ouder dan 18 is."

Het probleem is dat deze taal enorm complex is. Net zoals mensen een taart op honderd verschillende manieren kunnen beschrijven (soms met ingrediënten in een lijst, soms in een verhaal, soms met ingewikkelde wiskundige formules), kunnen mensen ook honderd verschillende manieren vinden om exact hetzelfde beleid te beschrijven.

Dit zorgt voor twee grote problemen:

1. Verwarring: Computers vinden het moeilijk om te begrijpen dat twee verschillende recepten eigenlijk hetzelfde taartje maken.
2. Niet-compatibiliteit: Als één computerprogramma alleen simpele recepten begrijpt en een ander alleen ingewikkelde, kunnen ze niet met elkaar praten.

De Oplossing: De "Normale Vorm" (De Standaardkeuken)

De auteurs van dit paper (Jaime, Paolo en George) hebben een slimme oplossing bedacht: Normalisatie.

Stel je voor dat je een enorme, rommelige keuken hebt waar iedereen zijn eigen manier van koken gebruikt. De auteurs zeggen: "Laten we een standaardkeuken inrichten waar elk gerecht eerst wordt omgezet naar de allerbasis ingrediënten."

Hun methode werkt in twee stappen:

Stap 1: De ingewikkelde zinnen opknippen

Soms staat er in een beleid een ingewikkelde zin als: "Je mag het bestand lezen als je ouder bent dan 18 én betaald hebt 10 euro, OF als je jonger bent dan 18 én betaald hebt 5 euro."

In de "normale vorm" knippen ze deze zin op in twee simpele, losse regels:

1. "Je mag lezen als je >18 bent en 10 euro betaalt."
2. "Je mag lezen als je <18 bent en 5 euro betaalt."

Zo verdwijnt de ingewikkelde "OF"-logica en blijven er alleen simpele, duidelijke regels over.

Stap 2: De interval-splitsing (Het snijden van de taart)

Dit is misschien wel het slimste deel. Stel je hebt een regel: "Je mag het bestand gebruiken tussen je 18e en je 65e verjaardag."
En een andere regel zegt: "Je mag het gebruiken tussen je 20e en je 40e verjaardag."

Als je deze twee regels wilt vergelijken, is het lastig om te zien of ze overlappen. De auteurs "snijden" de eerste regel op alle mogelijke verjaardagen die in de tweede regel voorkomen.
De regel "18 tot 65" wordt dan opgesplitst in stukjes:

• 18 tot 20
• 20 tot 40
• 40 tot 65

Nu is het heel makkelijk te zien: het stukje "20 tot 40" zit in beide regels! De regels zijn nu "normaal" gemaakt: ze zijn opgesplitst in kleine, niet-overlappende stukjes.

Het Grote Voordeel: Vergelijken wordt kinderspel

Voordat deze methode werd gebruikt, was het vergelijken van beleidsregels als het zoeken naar een naald in een hooiberg, waarbij je moest controleren of alle mogelijke combinaties van "mag" en "mag niet" met elkaar overeenkwamen.

Met hun methode is het alsof je twee legpuzzels hebt. Omdat ze allebei zijn omgezet naar dezelfde standaardvorm (alle stukjes zijn precies hetzelfde formaat en vorm), hoef je alleen maar te kijken of elk stukje van puzzel A ook in puzzel B zit.

• Als alle stukjes van A in B zitten? Dan is beleid A een deel van beleid B.
• Als ze precies dezelfde stukjes hebben? Dan zijn ze identiek.
• Als er geen stukjes overlappen? Dan zijn ze totaal verschillend.

Wat betekent dit voor de praktijk?

1. Makkelijker voor computers: Computers hoeven niet meer na te denken over ingewikkelde logica. Ze hoeven alleen maar te kijken of twee simpele regels precies hetzelfde zijn.
2. Minder "Mag niet"-regels: Het paper laat zien dat je vaak "verbodsbepalingen" (bijv. "Niet doen op maandag") kunt omzetten in simpele "toestemmingsregels" (bijv. "Wel doen op dinsdag, woensdag..."). Hierdoor wordt het beleid veel duidelijker.
3. Interoperabiliteit: Verschillende softwaretools kunnen nu met elkaar praten, omdat ze allemaal werken met dezelfde "standaardrecepten".

Samenvattend

De auteurs hebben een vertaal-machine bedacht voor digitale regels. Ze nemen ingewikkelde, rommelige beleidsregels, hakken ze op in simpele, standaard stukjes, en maken ze zo dat computers ze heel makkelijk kunnen vergelijken. Het is alsof je van een chaotische bibliotheek waar boeken in honderd verschillende talen en formaten staan, een bibliotheek maakt waar alle boeken in exact dezelfde lettertype en op exact dezelfde manier zijn geschreven. Dan is het vinden van overeenkomsten een fluitje van een cent.

Technische samenvatting

Titel: ODRL Policy Comparison Through Normalisation

Auteurs: Jaime Osvaldo Salas, Paolo Pareti en George Konstantinidis (Universiteit van Southampton)

---

1. Het Probleem

De Open Digital Rights Language (ODRL) is de de-facto standaard voor het representeren van beleidsregels en regelgeving voor digitale rechten. Ondanks zijn wijdverbreide adoptie, vormt de hoge expressiviteit en complexiteit van ODRL een barrière voor gebruik en interoperabiliteit. Er zijn twee hoofdzakelijke uitdagingen:

1. Heterogeniteit en Interoperabiliteit: Vanwege de complexiteit focussen theoretische en praktische werken vaak op verschillende, niet-interoperabele fragmenten van ODRL. Dit maakt het moeilijk om resultaten te integreren en tools te laten samenwerken.
2. Vergelijking van Beleidsregels: Semantisch equivalente beleidsregels kunnen op talloze verschillende manieren worden uitgedrukt (bijvoorbeeld door complexe logische constraints of verschillende combinaties van verboden en toestemmingen). Dit maakt het vergelijken van beleidsregels (op equivalentie, containment of overlap) uiterst moeilijk en rekenkundig kostbaar, omdat men rekening moet houden met willekeurige interacties tussen toestemmingen en verboden.

2. Methodologie: Parametrische Normalisatie

De auteurs stellen een nieuwe aanpak voor die beleidsregels normaliseert naar hun minimale componenten. Deze methode is gebaseerd op de recente semantische definitie van ODRL (versie 2.2) zoals beschreven door Salas et al. [13], waarbij beleidsregels worden gemodelleerd als verzamelingen van regels (toestemmingen, verboden en verplichtingen) over attributen en waarden.

De normalisatie bestaat uit twee fundamentele stappen:

A. Regularisatie van Constraints (Constraint Regularisation)

Het doel is complexe logische constraints om te zetten in een standaard vorm (Disjunctive Normal Form - DNF) bestaande uit simpele conjuncties.

• Vereenvoudiging: Complexe logische uitdrukkingen (bijv. (A > 18) ∧ (B < 10) ∨ (A < 18)) worden opgesplitst in een disjunctie van conjuncties.
• Operatoren: Numerieke en symbolische constraints worden genormaliseerd tot een beperkte set operatoren (=, <, >). Negaties en complexe operatoren (zoals ≥ of ≠) worden herschreven naar deze basisoperatoren.
• Resultaat: Een complexe regel wordt omgezet in een verzameling van "simpele regels" (simple rules), waarbij elke regel een conjunctie is van basisconstraints.

B. Opdeling van Intervallen (Interval Constraint Splitting)

Om vergelijkingen mogelijk te maken, moeten intervallen worden opgesplitst op basis van de waarden (rechter-operanden) die voorkomen in de regels die met elkaar worden vergeleken.

• Mechanisme: Als regel R een interval definieert (bijv. 18 < x < 65) en regel R' een specifieke waarde bevat (bijv. x = 21), wordt het interval van R opgesplitst in sub-intervallen rondom die waarde: (18 < x < 21), (x = 21), en (21 < x < 65).
• Doel: Dit zorgt ervoor dat elke gegenereerde simpele regel in de genormaliseerde vorm disjunct is (ze overlappen niet). Een gebeurtenis kan dus slechts door één simpele regel in de genormaliseerde verzameling worden gematched.
• Algoritme: Het algoritme (Algorithm 1) iteratieert over attributen, verzamelt alle relevante waarden uit beide regels, sorteert ze en splitst de intervallen hieromheen.

3. Belangrijkste Bijdragen

1. Normalisatie-algoritme: Een formeel algoritme om ODRL-regels om te zetten naar een unieke, genormaliseerde vorm (N(R)) die de oorspronkelijke semantiek behoudt.
2. Omzetting van Verboden naar Toestemmingen: Onder een "closed-world" semantiek (waarbij niet expliciet toegestaan impliciet verboden is, of vice versa), kunnen beleidsregels met zowel toestemmingen als verboden worden herschreven naar regels met uitsluitend toestemmingen (of uitsluitend verboden).
   • Voorbeeld: Een toestemming met een uitzondering (verbod) kan worden opgesplitst in meerdere toestemmingen waarbij de uitzondering wordt verwijderd door de overlap met het verbod te elimineren.
3. Vergelijkingsmechanisme: Het reduceren van het probleem van beleidsvergelijking (compliance, equivalentie, overlap) tot het simpele probleem van het controleren of twee verzamelingen van simpele regels identiek zijn.
4. Formele Bewijzen: De auteurs bewijzen dat hun algoritmen de semantiek behouden (Theorema 1, 2, 3) en dat de genormaliseerde simpele regels disjunct zijn (Theorema 4), wat directe vergelijking mogelijk maakt.
5. Prototype Implementatie: Een command-line interface is ontwikkeld om beleidsregels te normaliseren en te vergelijken.

4. Resultaten en Complexiteitsanalyse

• Semantische Behoud: Het paper bewijst dat een gebeurtenis een originele regel matcht dan en slechts dan als deze een van de genormaliseerde simpele regels matcht.
• Vergelijkingslogica:
  • Overlap: Twee regels overlappen als en slechts als hun genormaliseerde verzamelingen een gemeenschappelijke simpele regel delen.
  • Containment (Inhouding): Regel R is contained in R' als alle simpele regels van R ook voorkomen in de genormaliseerde verzameling van R'.
  • Equivalentie: Twee regels zijn equivalent als hun genormaliseerde verzamelingen van simpele regels identiek zijn.
• Complexiteit:
  • De grootte van het resultaat is exponentieel in het aantal attributen (links-operanden) en lineair in het aantal unieke waarden voor deze attributen.
  • In het slechtste geval (veel logische constraints) kan de normalisatie leiden tot een exponentiële groei in het aantal regels (O(2^n)), maar dit is inherent aan het omzetten van logische constraints naar DNF.
  • De complexiteit van het interval-splitten is polynomiëel in het aantal waarden, maar exponentieel in het aantal attributen.

5. Betekenis en Impact

Deze research biedt een fundamentele oplossing voor de interoperabiliteitsproblemen binnen het ODRL-ecosysteem:

• Tooling: Tools die alleen eenvoudige regels of specifieke constraint-types ondersteunen, kunnen nu werken met complexe beleidsregels door deze eerst te normaliseren.
• Simplificatie: Het probleem van het analyseren van complexe interacties tussen toestemmingen en verboden wordt teruggebracht tot het vergelijken van lijsten van simpele, disjuncte regels.
• Compliance: Het maakt het controleren van naleving (compliance) van beleidsregels (bijv. tegenover GDPR) efficiënter en betrouwbaarder, omdat de logica wordt gestandaardiseerd.
• Toekomstwerk: De methode richt zich nu op de kern van ODRL; toekomstig werk zal zich richten op uitbreiding naar andere regeltypen (zoals verplichtingen/duties), constraints over verzamelingen en semantisch redeneren.

Kortom, de paper introduceert een robuuste wiskundige raamwerk dat complexe, onduidelijke digitale rechtenbeleidsregels transformeert in een gestandaardiseerde, vergelijkbare en vereenvoudigde vorm, waardoor de barrière voor praktische toepassing en theoretische analyse aanzienlijk wordt verlaagd.