Técnicas, métodos, processos, frameworks e ferramentas para elicitar requisitos de privacidade: Uma revisão de literatura
Técnicas, Métodos, Processos, Frameworks, Ferramentas, Requisitos de privacidade
\textbf{Contexto:} A Engenharia de Requisitos (ER) depende da colaboração de várias funções — como engenheiros de requisitos, stakeholders e desenvolvedores — e de várias técnicas, métodos, processos, frameworks e ferramentas. Isso
torna a ER um processo altamente dependente de humanos que se beneficia muito do suporte de ferramentas. Entender como essas técnicas, métodos, processos, estruturas e ferramentas são aplicados nas fases da RE pode fornecer um entendimento valiosos sobre maneiras de aprimorar o processo de ER, contribuindo para resultados mais bem-sucedidos. \textbf{Objetivo:} O objetivo principal deste estudo é identificar as técnicas, métodos, processos, frameworks e ferramentas aplicadas em diferentes fases da engenharia de requisitos — como elicitação, análise, especificação, validação e gerenciamento — para abordar os requisitos de privacidade. \textbf{Método:} Conduziu-se uma revisão sistemática da literatura (SLR) e foram identificados 125 estudos primários, juntamente de um survey com 37 profissionais. \textbf{Resultados:} Durante a revisão, identificou-se uma variedade de técnicas, métodos, processos, frameworks e ferramentas para abordar os requisitos de privacidade. A maioria dos estudos foi conduzida em contextos acadêmicos, com as ferramentas mais frequentemente usadas sendo: PriS Method, Secure Tropos, LINDDUN, i* (i-star), STRAP (Structured Analysis for Privacy), Privacy by Design (PbD) e SQUARE. Além disso, mais de 75\% dos estudos
aplicaram essas ferramentas na fase de elicitação de requisitos de privacidade. Na indústria, a maioria das técnicas
identificadas na literatura não são conhecidas ou usadas por profissionais, com base no survey realizado. \textbf{Conclusão:} Este estudo fornece uma análise abrangente de técnicas e ferramentas para requisitos de privacidade em ER, revelando um forte foco em contextos acadêmicos com aplicação limitada na indústria. Pesquisas futuras devem explorar a escalabilidade e eficácia dessas ferramentas em ambientes do mundo real, bem como as razões pelas quais os profissionais não as usam.