fix(cookie+impressum): Drittland-FP, Impressum-Beleg, neuer Opt-Out-Finding

- Drittland: unbekannte Herkunft ('N/A') + Self-Hosting feuern nicht mehr — First-Party-Session-Cookies (PHPSESSID/JSESSIONID) waren False Positives. - Impressum _line_of: enges Fenster um den Treffer bei Texten ohne Umbrüche (BMW = ein Block) → jede Pflichtangabe zeigt IHREN Beleg statt denselben Satz. - Neuer Finding-Typ missing_opt_out: einwilligungspflichtiger Anbieter mit Cookies ohne Opt-Out-/Widerspruchs-Link (Art. 7 Abs. 3 + Art. 21). Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
2026-06-11 11:59:48 +02:00
parent 5b36b3f367
commit 877d540ce1
5 changed files with 104 additions and 5 deletions
@@ -35,6 +35,7 @@ _CONTROL_MAP = {
    "excessive_lifetime":   {"control_id": "AUTH-2051-A02", "regulation": "DSGVO", "article": "Art. 5 Abs. 1 lit. e"},
    "tracker_as_necessary": {"control_id": "DATA-2851-A05", "regulation": "TDDDG", "article": "§ 25 Abs. 1"},
    "missing_purpose":      {"control_id": "AUTH-2053-A05", "regulation": "DSGVO", "article": "Art. 13"},
+    "missing_opt_out":      {"control_id": "DATA-2851-A05", "regulation": "DSGVO", "article": "Art. 7 Abs. 3 + Art. 21"},
    "third_country":        {"control_id": "DATA-1624-A04", "regulation": "DSGVO", "article": "Art. 44 ff."},
    "eu_alternative":       {"control_id": None, "regulation": "—", "article": "kommerzielle Empfehlung"},
 }
@@ -72,6 +73,12 @@ _EEA = {
    "FI", "GR", "HU", "IT", "LV", "LT", "LU", "MT", "PL", "PT", "RO", "SK",
    "SI", "ES", "SE", "IS", "LI", "NO",
 }
+# Unbekannte/leere Herkunft ist KEIN Drittland (z.B. First-Party-Session-Cookies
+# PHPSESSID/JSESSIONID mit vendor_country 'N/A').
+_UNKNOWN_COUNTRY = {"", "N/A", "NA", "N.A.", "UNKNOWN", "UNBEKANNT", "?"}
+# Einwilligungspflichtige Kategorien (für Opt-Out-/Widerspruchs-Pflicht).
+_CONSENT_CATS = {"marketing", "statistics", "targeting", "social_media",
+                 "tracking", "werbung", "advertising"}
 _SEV_ORDER = {"HIGH": 0, "MEDIUM": 1, "LOW": 2}


@@ -218,8 +225,13 @@ def analyze_cookies(vendors: list[dict], big_lib: dict | None = None) -> dict:
                    ),
                })

-            # 4) Drittland-Transfer (je Vendor einmal).
-            if (country and country not in _EEA or schrems) and vname not in seen_third:
+            # 4) Drittland-Transfer (je Vendor einmal). Nur bei BEKANNTEM
+            # Nicht-EWR-Land — 'N/A'/unbekannt ist KEIN Drittland (First-Party-
+            # Session-Cookies); Self-Hosting laut Library = kein Transfer.
+            country_third = (country not in _UNKNOWN_COUNTRY
+                             and country not in _EEA
+                             and "SELF-HOST" not in country)
+            if (country_third or schrems) and vname not in seen_third:
                seen_third.add(vname)
                findings.append({
                    "vendor": vname, "cookie": name, "type": "third_country",
@@ -271,6 +283,23 @@ def analyze_cookies(vendors: list[dict], big_lib: dict | None = None) -> dict:
                ),
            })

+        # Vendor-Ebene: einwilligungspflichtiger Anbieter (Marketing/Tracking)
+        # mit Cookies, aber ohne Opt-Out-/Widerspruchs-Link.
+        if (vcat in _CONSENT_CATS and (v.get("cookies") or [])
+                and not (v.get("opt_out_url") or "").strip()):
+            findings.append({
+                "vendor": vname, "cookie": "(Vendor-Ebene)",
+                "type": "missing_opt_out", "severity": "LOW",
+                "declared": vcat_label, "library_purpose": "",
+                "remediation": (
+                    f"Für den einwilligungspflichtigen Anbieter '{vname}' "
+                    f"({vcat_label}) ist kein Opt-Out-/Widerspruchs-Link "
+                    f"hinterlegt. Eine einfache Widerrufs-/Widerspruchs-Möglichkeit "
+                    f"angeben (Art. 7 Abs. 3 + Art. 21 DSGVO, § 25 TDDDG) — so "
+                    f"einfach wie die Einwilligung."
+                ),
+            })
+
    # A: jeden Befund an Control + Rechtsgrundlage haengen + als echtes Finding
    # (zu beheben) oder Hinweis (advisory, gegen DSE abzugleichen) klassifizieren.
    for f in findings:
@@ -79,12 +79,18 @@ def _build_measure(label: str, norm: str) -> str:


 def _line_of(text: str, start_pos: int, end_pos: int) -> str:
-    """Die Zeile um einen Regex-Treffer — als 'gefundener Wert' für die
-    Pflichtangaben-Tabelle. Gekappt + bereinigt."""
+    """Ein enger Ausschnitt um einen Regex-Treffer — der 'gefundene Wert' für die
+    Pflichtangaben-Tabelle. Bevorzugt die Zeile; bei Texten ohne (genug)
+    Zeilenumbrüche (z.B. BMW-Impressum als ein Block) ein Fenster um den Treffer,
+    damit jede MC IHREN Beleg zeigt statt immer denselben Anfangssatz."""
    start = text.rfind("\n", 0, start_pos) + 1
    end = text.find("\n", end_pos)
    if end == -1:
        end = len(text)
+    # Zeile zu lang (kein/seltener Umbruch) → enges Fenster zentriert am Treffer.
+    if end - start > 160:
+        start = max(start, start_pos - 70)
+        end = min(end, end_pos + 70)
    return " ".join(text[start:end].split())[:160]


@@ -58,6 +58,38 @@ def test_third_country_and_eu_alternative_for_us_tracker():
    assert "eu_alternative" in t


+def test_session_cookie_unknown_country_no_third_country():
+    # PHPSESSID: rich-DB vendor_country 'N/A' → KEIN Drittland (war False Positive,
+    # weil 'N/A' nicht im EWR-Set steht). First-Party-Session-Cookie.
+    out = analyze_cookies([{
+        "name": "BMW AG — Infrastructure Basic", "category": "necessary",
+        "cookies": [{"name": "PHPSESSID", "purpose": "Session", "expiry": "Session"}],
+    }])
+    assert not [f for f in out["findings"] if f["type"] == "third_country"]
+
+
+def test_missing_opt_out_for_marketing_vendor():
+    out = analyze_cookies([{
+        "name": "AdVendor", "category": "marketing", "opt_out_url": "",
+        "cookies": [{"name": "track1", "purpose": "ads", "expiry": "1 Jahr"}],
+    }])
+    mo = [f for f in out["findings"] if f["type"] == "missing_opt_out"]
+    assert len(mo) == 1
+    assert mo[0]["kind"] == "finding"
+    assert "Widerspruch" in mo[0]["remediation"] or "Opt-Out" in mo[0]["remediation"]
+
+
+def test_no_missing_opt_out_when_url_present_or_necessary():
+    # Mit Opt-Out-URL → kein Finding; notwendige Kategorie → ebenfalls keins.
+    out = analyze_cookies([
+        {"name": "A", "category": "marketing", "opt_out_url": "https://x/opt",
+         "cookies": [{"name": "t", "purpose": "ads", "expiry": "1 Jahr"}]},
+        {"name": "B", "category": "necessary", "opt_out_url": "",
+         "cookies": [{"name": "sess", "purpose": "x", "expiry": "Session"}]},
+    ])
+    assert not [f for f in out["findings"] if f["type"] == "missing_opt_out"]
+
+
 def test_kind_splits_findings_from_hinweise():
    # third_country/eu_alternative = Hinweis (advisory); Rest = Finding.
    out = analyze_cookies([{
@@ -0,0 +1,29 @@
+"""_line_of — Beleg-Ausschnitt pro Pflichtangabe.
+
+Regression: bei Impressum-Texten ohne Zeilenumbrüche (z.B. BMW als ein Block)
+zeigte die Pflichtangaben-Tabelle für JEDE MC denselben Anfangssatz. Jetzt wird
+ein enges Fenster um den Treffer ausgeschnitten → jede MC zeigt ihren Beleg.
+"""
+
+from __future__ import annotations
+
+from compliance.services.specialist_agents.impressum.agent import _line_of
+
+
+def test_window_per_match_in_long_block():
+    text = "A" * 200 + " EMAIL kontakt@bmw.de " + "B" * 200 + " HRB 12345 " + "C" * 200
+    e_pos = text.index("kontakt@bmw.de")
+    h_pos = text.index("12345")
+    email = _line_of(text, e_pos, e_pos + len("kontakt@bmw.de"))
+    hrb = _line_of(text, h_pos, h_pos + 5)
+    assert "kontakt@bmw.de" in email
+    assert "12345" in hrb
+    assert email != hrb                 # nicht mehr derselbe Anfangssatz
+    assert len(email) <= 160
+
+
+def test_short_line_unchanged():
+    text = "Zeile eins\nkontakt@bmw.de\nZeile drei"
+    pos = text.index("kontakt@bmw.de")
+    out = _line_of(text, pos, pos + len("kontakt@bmw.de"))
+    assert out == "kontakt@bmw.de"