ThomasMoreAI/legal-skills-open / br/data-protection/skills/lgpd-compliance-falkzera
lgpd-compliance-falkzera
UnverifiedCompliance jurídico-regulatório (LGPD, ANPD, CDC, Marco Civil) para qualquer app ou sistema construído para brasileiros. Ative SEMPRE que o projeto coletar qualquer dado pessoal (nome, e-mail, telefone, CPF, geolocalização, dado do dispositivo, cookie de tracking, foto, áudio, log que identifique pessoa), OU quando o pedido envolver "LGPD", "política de privacidade", "termos de uso", "compliance", "DPO", "encarregado", "ROPA", "consentimento de cookies", "banner de cookies", "vazamento de dados", "incidente de segurança", "direito do titular", "exportar dados do usuário", "excluir conta". Esta skill AUDITA o projeto, classifica os tratamentos, e GERA os artefatos: política de privacidade, política de cookies, banner de consentimento, ROPA preenchido, RIPD quando exigível, runbook de incidente, endpoints de exercício de direitos do titular, schema de consent_log, termos de uso e portal de transparência.
references/11-taxonomia-dados.md
View on GitHub# 11: Taxonomia Técnica de Dados Pessoais
> Mapa pragmático das **12 categorias canônicas** de dados pessoais que um app pode coletar. Pra dev marcar checkbox no inventário público + detectar no código + escolher base legal. Baseado em Apple App Privacy Details, Google Play Data Safety, Mozilla Lean Data, LGPD arts. 5º e 11.
## Como usar esta referência
Pra cada categoria, leia: **(a)** o que cai aqui, **(b)** como detectar no código (palavras-chave pra `rg`), **(c)** sensibilidade típica, **(d)** base legal default, **(e)** riscos, **(f)** como declarar, **(g)** como minimizar.
A skill cruza essa taxonomia com o código do projeto pra gerar o **inventário público** (ver `references/12-transparencia-radical.md`).
---
## 1. Dados de identidade e contato
**O que cai aqui:** nome, nome social, e-mail, telefone, endereço, CEP, CPF, RG, CNH, passaporte, data de nascimento, foto de perfil, login social.
**Detecção:**
- Schema: `name`, `email`, `phone`, `cpf`, `tax_id`, `birth_date`, `avatar_url`
- Form: `<input type="email">`, `inputmode="numeric"`, máscara CPF, `react-input-mask`, `brazilian-values`
- APIs: ViaCEP, Serpro Datavalid, Receita Federal CNPJ
- Login social: `next-auth` providers, Firebase Auth, Supabase Auth, Clerk
**Login social, granularidade:**
| Provider | Sempre exposto | Sob escopo extra | Risco |
|---|---|---|---|
| Google (OIDC) | `sub`, `email`, `name`, `picture`, `locale` | calendar, contacts, drive | Acesso a Gmail é high-risk |
| Apple Sign In | `sub`, `email` (real ou relay), `name` (só 1º login!) | - | Mais privacy-friendly |
| Facebook | `id`, `name`, `email` | friends, posts, location | `user_friends` raramente aprovado |
| GitHub | `id`, `login`, `avatar_url`, `email` | `repo`, organizations | Token de repo é poderoso |
| LinkedIn | `id`, `name`, `email`, `profile_url` | conexões, currículo | Dado profissional sensível em contexto |
- **Sensibilidade:** média. CPF merece atenção (não logar, não expor em URL).
- **Base legal:** execução de contrato (art. 7º V) pra essencial; consentimento (art. 7º I) pra opcionais.
- **Riscos:** spam, phishing, fraude com CPF, golpe de identidade.
- **Declarar:** "Identificação cadastral, nome, e-mail, telefone, CPF. Necessários pra emissão de NF / autenticação / atendimento."
- **Minimizar:** não pedir CPF se não emite NF; usar Apple Sign In relay; aceitar nome social; não expor e-mail em URL pública (use slug separado).
---
## 2. Dados de autenticação
**O que cai aqui:** senha (hash+salt), tokens (session, refresh, JWT, API key), 2FA TOTP, backup codes, magic links, biometria, passkeys.
**Detecção:**
- Tabelas: `users.password_hash`, `sessions`, `refresh_tokens`, `api_keys`, `totp_secrets`, `webauthn_credentials`, `recovery_codes`
- Libs: `bcrypt`, `argon2`, `scrypt`, `jose`, `jsonwebtoken`, `otplib`, `speakeasy`, `@simplewebauthn/server`
- Web: `navigator.credentials.create({publicKey})`, `.get`
- Mobile: `LocalAuthentication` (Expo), `BiometricPrompt`, `LAContext`
**Biometria, distinção crítica:**
- **Touch ID / Face ID nativos** NÃO expõem template ao app, só retornam `success`. **Não é coleta de biometria** legalmente; só "uso de biometria do dispositivo".
- **WebAuthn / Passkey** guarda chave pública; privado fica no Secure Enclave. **Não é biometria** legalmente.
- **App que captura foto pra liveness/KYC** (Caixa Tem, Open Finance), aí **SIM** coleta biometria **sensível** (LGPD art. 11), exige consentimento específico.
- **Sensibilidade:** crítica. Vazamento de hash+salt = brute-force offline; TOTP secret = bypass do 2FA.
- **Base legal:** execução de contrato + segurança (art. 7º X, proteção do crédito).
- **Riscos:** account takeover, lateral movement, fraude.
- **Declarar:** "Credenciais, armazenadas com hash criptográfico (argon2id). Tokens de sessão expiram em X."
- **Minimizar:** argon2id ou bcrypt cost ≥12; rotacionar refresh tokens; TTL curto; 2FA obrigatório em conta sensível; preferir passkey a senha.
---
## 3. Dados financeiros
**O que cai aqui:** PAN (número do cartão), CVV, validade, conta+agência, chave PIX, histórico de transações, valores, contrapartes, renda, score, perfil de consumo.
**Detecção:**
- Gateways: `stripe`, `mercadopago`, `pagar.me`, `iugu`, `asaas`, `pagseguro`
- Tabelas: `transactions`, `invoices`, `subscriptions`, `payment_methods`, `pix_keys`, `bank_accounts`
- Open Finance: Belvo, Pluggy, OAuth BCB
- Score: Serasa, Boa Vista, Quod APIs
**Regra de ouro PCI-DSS:** **NUNCA armazenar PAN+CVV.** Usa tokenização do gateway, guarda só `tok_visa_xxxx`, `last4`, `brand`, `exp_month`. Tocar em PAN cru = PCI-DSS Level 1-4 com auditoria anual.
- **Sensibilidade:** alta. Alvo preferido de incidente.
- **Base legal:** execução de contrato + obrigação legal (fiscal, 5 anos).
- **Riscos:** fraude, clonagem, golpe, perfilamento abusivo, score sem revisão = art. 20 LGPD.
- **Declarar:** "Pagamentos processados pelo [gateway, link política]. Armazenamos apenas últimos 4 dígitos e tipo de cartão. Histórico por 5 anos (Decreto 7.212/2010)."
- **Minimizar:** tokenização sempre; não logar webhook payload (vem com PAN); separar banco fiscal do operacional; agregar histórico antigo.
---
## 4. Identificadores de dispositivo e técnicos
A categoria mais sub-declarada por devs brasileiros. **Tudo aqui é PII** sob LGPD se permite re-identificação.
### 4.1 Rede
- IP (v4, v6), `req.headers['x-forwarded-for']`, `req.ip`
- ASN/ISP, derivável via MaxMind, IPinfo
### 4.2 User-Agent e Client Hints
- `User-Agent`, `Accept-Language`, `Sec-CH-UA`, `Sec-CH-UA-Platform`, `DNT`, `Sec-GPC`
### 4.3 IDs persistentes
- Web: cookie `_ga`, `_fbp`, `_gcl_au`, qualquer cookie persistente
- iOS: **IDFA** (App Tracking Transparency exige opt-in desde iOS 14.5), **IDFV** (por vendor, sem opt-in)
- Android: **AAID** (`com.google.android.gms.ads.identifier`), Android ID (`Settings.Secure.ANDROID_ID`)
- Push: APNs token, FCM token, OneSignal player ID
- MAC: bloqueado em iOS/Android modernos
### 4.4 Fingerprint passivo (browser)
- Canvas fingerprint (`canvas.toDataURL()`)
- WebGL renderer/vendor (`gl.getParameter(gl.RENDERER)`)
- AudioContext fingerprint (`OfflineAudioContext` + FFT)
- Fontes instaladas (medindo `offsetWidth`)
- Plugins, MIME types
- `screen.width/height`, `devicePixelRatio`, `colorDepth`
- `Intl.DateTimeFormat().resolvedOptions().timeZone`
- `navigator.language(s)`, `navigator.hardwareConcurrency`, `navigator.deviceMemory`
- `navigator.connection.effectiveType` (Network Information API)
- Battery API (deprecada), Permissions API state
**Detecção de libs:** `@fingerprintjs/fingerprintjs`, `clientjs`, `fingerprint2`, qualquer `canvas.toDataURL` sem motivo claro.
### 4.5 Storage persistente
- `localStorage`, `sessionStorage`, IndexedDB, Cache API, cookies, BroadcastChannel, Service Worker
- **Sensibilidade:** média individualmente, **alta combinada**. EFF Panopticlick, fingerprint identifica 1 em 286 mil.
- **Base legal:** legítimo interesse (analytics próprio essencial), consentimento (3rd party).
- **Riscos:** tracking cross-site sem opt-in, re-identificação pós-logout, perfilamento sem ciência.
- **Declarar:** "Identificadores técnicos: IP, user-agent, ID de dispositivo. Usados pra segurança e analytics agregado. Retidos por 90 dias em logs brutos, depois agregados."
- **Minimizar:** **truncar IP** (zerar último octeto /24 IPv4, /64 IPv6); IDFV em vez de IDFA; respeitar `Sec-GPC` e `DNT`; **NÃO** rodar FingerprintJS sem consentimento (App Store rejeita).
---
## 5. Geolocalização
**O que cai aqui:**
- GPS preciso (lat/lng < 100m)
- Geo aproximado (cidade, via IP)
- WiFi BSSIDs triangulados
- Bluetooth beacons (iBeacon, Eddystone)
- Declarada (CEP, cidade no cadastro)
- **Histórico de localizações**, sensível por inferência: revela casa, trabalho, médico, religião
**Detecção:**
- Web: `navigator.geolocation.getCurrentPosition`, `watchPosition`
- iOS: `CLLocationManager`, `requestWhenInUseAuthorization`, `requestAlwaysAuthorization` (**red flag**)
- Android: `FusedLocationProviderClient`, `ACCESS_FINE_LOCATION`, `ACCESS_BACKGROUND_LOCATION` (**red flag**)
- Server: MaxMind GeoIP, IPinfo, ipapi
- **Sensibilidade:** alta. Histórico de geo é **dado sensível por inferência** (templo = religião; hospital = saúde; sede de partido = política). ANPD/MPF já trataram como tal (caso Serasa, Hariexpress).
- **Base legal:** **consentimento específico** (art. 7º I + permissão SO). NUNCA legítimo interesse pra geo precisa contínua.
- **Riscos:** stalking, doxxing, dedução de hábitos íntimos, sequestro express.
- **Declarar:** "Localização precisa (GPS), apenas quando você toca em 'usar localização'. Não armazenada. Aproximada por IP, exibir conteúdo regional, X dias."
- **Minimizar:** pedir só quando essencial; preferir `requestWhenInUseAuthorization`; arredondar coordenadas (2 casas decimais ≈ 1km); NUNCA background location se não for app de delivery; oferecer CEP manual como alternativa.
---
## 6. Mídia e arquivos
**O que cai aqui:** fotos, vídeos, áudios, PDFs, planilhas, qualquer upload.
**Detecção:**
- `<input type="file">`, `accept="image/*"`
- Libs: `react-dropzone`, `multer`, `formidable`, `busboy`, `@uploadthing/react`
- Storage: S3, R2, Supabase Storage, Vercel Blob, Firebase Storage
**EXIF, o trap silencioso:** foto de celular traz `GPSLatitude/Longitude`, `Make`, `Model`, `Software`, `DateTimeOriginal`, `LensModel`. PDFs guardam `Author`, `Creator`, `Producer`, às vezes versões anteriores (bug histórico).
- **Sensibilidade:** variável. Selfie + EXIF = casa do titular. PDF com revisão = vazamento corporativo.
- **Base legal:** execução de contrato (fotolog), consentimento (perfil opcional).
- **Riscos:** doxxing por EXIF, vazamento de revisões PDF, deepfake, malware em PDF/SVG.
- **Declarar:** "Arquivos enviados, armazenados em [provider, região]. Metadados de localização (EXIF) removidos no upload."
- **Minimizar:** strip EXIF (`sharp().rotate().toBuffer()` já remove); redimensionar (não guarde 4K se exibe 800px); validar MIME server-side; sanitizar SVG (`DOMPurify`); antivírus (ClamAV em queue).
---
## 7. Conteúdo do usuário (UGC)
**O que cai aqui:** texto livre (posts, comentários, DMs, bios, reviews), reações, follows, listas, coleções.
**Detecção:** `<textarea>`, editor rico (Tiptap, Lexical, Slate), DM/chat, comentários.
**Subtlety crítica:** texto livre pode conter QUALQUER outra categoria, usuário cola CPF no chat, foto de RG no DM, dados de saúde em "fale com seu médico". Você é controlador desses dados mesmo sem coletar diretamente.
- **Sensibilidade:** variável. Mensagem médico-paciente é saúde sensível mesmo o app sendo genérico.
- **Base legal:** execução de contrato.
- **Riscos:** vazamento expõe vida íntima, opinião política; e2e-encryption muda enquadramento.
- **Declarar:** "Conteúdo que você cria, guardado enquanto sua conta existir. Exclusão em até 30 dias após apagar."
- **Minimizar:** exclusão real (não soft delete eterno); rate-limit; e2e onde fizer sentido (Signal protocol).
---
## 8. Dados comportamentais (analytics)
**O que cai aqui:** pageview, clique, scroll, hover, sessão, busca interna, histórico de compra, padrão temporal.
**Detecção:**
- Libs: `gtag`, `@vercel/analytics`, `posthog-js`, `mixpanel`, `amplitude`, `plausible`, `umami`, `hotjar`, `clarity`, `fullstory`, `logrocket`
- Pixel: `<img src="https://facebook.com/tr?...">`, GTM containers
- Server: middleware logando `req.url + userId`
**Distinção crítica:**
| Tipo | Base legal típica | Risco |
|---|---|---|
| Agregado próprio (Plausible, Umami, PostHog sem replay) | Legítimo interesse defensável | Baixo |
| Pixel de terceiro (Meta, Google Ads, TikTok) | **Consentimento obrigatório** | Alto, cross-site |
| Session replay (Hotjar, Clarity, FullStory) | Consentimento + masking | **Crítico**, grava tela |
- **Sensibilidade:** média (agregado), alta (com userId), crítica (replay).
- **Riscos:** perfilamento, leak de senha por session replay mal configurado (já aconteceu em Twitter, T-Mobile), shadow profile.
- **Declarar:** lista cada ferramenta nominalmente.
- **Minimizar:** desligar IP no GA4; mask `data-private` em replay; analytics first-party self-hosted; não setar cookie antes do consent.
Detalhe ferramenta-a-ferramenta em `references/14-analytics-tracking.md`.
---
## 9. Dados sensíveis (LGPD art. 11)
Categoria especial, exige **consentimento específico e destacado** (não embutido nos termos) OU hipótese específica do art. 11 II.
**Subcategorias e detecção:**
| Subcategoria | Detecção típica |
|---|---|
| Origem racial/étnica | Campo de autodeclaração (PNAD, vestibular, vagas afirmativas) |
| Religião | Restrição alimentar (kosher/halal/jejum), calendário religioso |
| Política | Doação, filiação, posts |
| Sindical | Desconto em folha |
| Saúde | Wearable (Apple Health, Google Fit), agendamento médico, medicação, plano de saúde |
| Vida sexual/orientação | Tinder, Grindr, OnlyFans; campo gênero extenso |
| Genético | 23andMe-like; raro no BR |
| Biométrico (vinculado a pessoa) | Reconhecimento facial contínuo, voz pra autenticação, digital server-side |
**Detecção no schema:** `health_*`, `medical_*`, `ethnicity`, `religion`, `political_party`, `sexual_orientation`, `gender_identity`; integração com HealthKit/Google Fit; permissions `BODY_SENSORS`, `ACTIVITY_RECOGNITION`.
- **Sensibilidade:** sempre alta. Vazamento gera dano moral presumido; multa LGPD agravada (até R$ 50M).
- **Base legal:** consentimento específico e destacado (art. 11 §1º I) ou hipóteses estritas (saúde por profissional, proteção da vida, prevenção a fraude com biometria).
- **Riscos:** discriminação, chantagem, dano reputacional, criminal.
- **Declarar:** em seção PRÓPRIA da política, separada. "Dados sensíveis, coletamos [X] com sua autorização específica em [tela Y]. Pode revogar em [link Z]."
- **Minimizar:** se possível, **NÃO COLETE**; oferecer "prefiro não dizer"; criptografar at-rest com chave dedicada (envelope encryption); log de acesso (audit trail); RBAC apertado.
---
## 10. Dados inferidos por algoritmo
A categoria mais ignorada e mais perigosa pra disputa judicial. **LGPD art. 20 garante revisão de decisão automatizada.**
**Tipos:**
- Score de crédito interno
- Persona inferida ("usuário de baixa renda", "interessado em viagem")
- Categoria de risco (fraude, churn, inadimplência)
- Preferências derivadas (gênero musical, faixa etária estimada)
- Predições (próxima compra, evasão, doença em healthtech)
- Embeddings/vetores: **sim, vetor é PII** se mapeia pra pessoa
- Output de LLM sobre dados do usuário
**Detecção:** pipelines de ML, `*_score`, `*_segment`, `*_cluster`, `embedding`, `vector`, jobs de scoring, Vertex AI, SageMaker, OpenAI Embeddings, pgvector.
- **Sensibilidade:** alta. Inferência pode revelar categoria sensível sem coletar diretamente (orientação sexual inferida de padrão de navegação, caso real).
- **Base legal:** depende da base do dado original + propósito. Pra decisão automatizada com impacto: exige base + direito à revisão.
- **Riscos:** discriminação algorítmica, bolha de filtro, decisão sem explicabilidade.
- **Declarar:** "Geramos perfis automatizados pra [finalidade]. Você pode solicitar revisão humana em [canal]." Listar decisões automatizadas.
- **Minimizar:** documentar modelo (model card); explicabilidade (SHAP, LIME); human-in-the-loop pra decisão de alto impacto; auditar viés periodicamente; permitir opt-out de personalização.
Detalhe em `references/13-ia-ml-transparencia.md`.
---
## 11. Metadados de comunicação
Quem fala com quem, quando, frequência, duração: **sem conteúdo**.
**O que cai aqui:**
- Grafo social (contatos, follows, friends)
- Frequência de troca
- "Last seen", presença (`isOnline`, `lastActiveAt`)
- Read receipts
- Duração de chamada
- Padrão temporal
**Detecção:** tabelas `messages` com timestamps, `presence`, `last_seen_at`, `read_at`, `call_logs`, `friendships`, `follows`.
- **Sensibilidade:** alta por inferência. Metadado é o pão de cada dia de inteligência (Snowden, "we kill people based on metadata").
- **Base legal:** execução de contrato pra básico; consentimento pra opcionais (read receipt configurável).
- **Riscos:** vazamento de grafo social, doxxing por presença, perseguição doméstica.
- **Declarar:** "Metadados de mensagens, guardados pra entrega. Você pode desativar 'visto por último' e confirmação de leitura."
- **Minimizar:** opt-out de last seen; minimização de logs (não logar quem-pra-quem em debug); TTL em mensagens (padrão Stories).
---
## 12. Dados de terceiros sobre o titular
A categoria mais traiçoeira, você coleta dado de quem **não é** seu usuário.
**Tipos:**
- Lista de contatos importada (cada contato = PII)
- Convites (`fulano@email.com` foi convidado)
- Menções (post falando de outra pessoa)
- Endereços de cobrança/entrega de terceiros
- Beneficiários (seguro, PIX favorito, dependente)
- Fotos com pessoas que não usam o app (reconhecimento facial)
- Webhook de terceiros (Stripe, Mercado Pago) mandando dados
**Detecção:** features "convidar amigos", `contacts` permission, import CSV, "compartilhar com..."
- **Sensibilidade:** alta legalmente. Você é controlador de dado de quem NÃO consentiu.
- **Base legal:** difícil. Legítimo interesse pra convite pontual (1 mensagem, opt-out fácil); **proibido** pra perfilamento de não-usuário.
- **Riscos:** ANPD multa pesado (caso TIM/Pegasus); titular não-usuário pode exercer direito sem ter aceitado nada.
- **Declarar:** "Quando você convida alguém, usamos o e-mail/telefone APENAS pra enviar o convite. Não armazenamos pra outro fim. A pessoa pode pedir exclusão em [canal público]."
- **Minimizar:** **NÃO importe lista inteira**, peça contato específico via picker nativo; não construa shadow profile; oferecer canal público pra titular não-usuário (LGPD vale pra ele).
---
## Como a skill usa essa taxonomia
Pra cada projeto, a skill cruza o código contra cada categoria (`rg` por palavras-chave) e gera inventário no formato:
```yaml
- category: "1. Identidade e contato"
items: ["email", "name", "cpf"]
detected_in:
- "supabase/migrations/001_users.sql"
- "app/(auth)/signup/page.tsx"
sensitivity: "média"
legal_basis: "execução de contrato (art. 7º V)"
retention: "conta ativa + 5 anos (fiscal)"
minimization: ["cpf opcional", "apple relay aceito"]
public_declaration: "..."
```
Detalhe da geração programática em `references/12-transparencia-radical.md` seção 10.
## Referências externas
- [Apple App Privacy Details](https://developer.apple.com/app-store/app-privacy-details/)
- [Google Play Data Safety](https://support.google.com/googleplay/android-developer/answer/10787469)
- [Mozilla Lean Data Practices](https://www.mozilla.org/en-US/about/policy/lean-data/)
- [EFF Cover Your Tracks](https://coveryourtracks.eff.org/)
- [W3C Privacy Threat Model](https://www.w3.org/TR/privacy-threat-model/)
- [LGPD arts. 5º e 11 (Planalto)](https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm)
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| rea-analysis-optimizationmorluto/reaOptimize REA providers and shared analysis workflows for agent context, latency, CPU, and memory while preserving correctness and Evidence. Use for analysis bottlenecks and cache or query design; CI/test-suite optimization belongs to rea-ci-tests-audit. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| rea-ci-tests-auditmorluto/reaAudit REA CI and test suites for correctness, fixture drift, false passes, and measured performance; use for suite or workflow investigations and efficiency changes, rather than ordinary feature testing or a single test failure. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| rea-tool-designmorluto/reaAudit, investigate, design, or change REA investigation tools, CLI/MCP contracts, provider capabilities, and Evidence semantics. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-auditDietrichGebert/ponytailQuality audit of the whole repo: bugs, security, real load, missing tests, speed, and what to delete. Most important first. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |