Seminar JSON-LD, Kontexte und Kanonisierung für VC 2.0

Vermittelt werden die für VC 2.0 entscheidenden JSON-LD-Grundlagen: Begriffsdefinition, Kontextverarbeitung, Erweiterung, Expansion, RDF-Abbildung und deterministische Kanonisierung. Ein Schwerpunkt liegt auf sicheren Kontextstrategien, weil semantisch scheinbar kleine Änderungen die Bedeutung oder den kryptografischen Signaturinput verändern können.

Inhaltsverzeichnis

• Einordnung
• Zielgruppe
• Voraussetzungen
• Lernziele
• Seminarinhalte
• JSON-LD als semantische Schicht
• Kontextverarbeitung in VC 2.0
• Eigene Vokabulare und Erweiterungen
• Expansion und Kompaktierung
• RDF-Abbildung und Blank Nodes
• Kanonisierung
• Sichere Kontextstrategie
• Validierung und Interoperabilität
• Praktische Übungen
• Methodik
• Einordnung im Seminarprogramm

Einordnung

Der Schwerpunkt liegt auf deterministische Semantik und signierbare Datenstrukturen für Verifiable Credentials. Die Inhalte werden von der fachlichen Anforderung über Datenmodell und Protokoll bis zu Validierung, Fehlerbehandlung und betrieblichen Kontrollen entwickelt.

Zielgruppe

Datenmodellierung, API- und Backend-Entwicklung, Softwarearchitektur, Issuer-, Wallet- und Verifier-Teams, Security Engineering sowie technische Qualitätssicherung.

Voraussetzungen

Sichere JSON-Kenntnisse. Grundverständnis von Verifiable Credentials und Signaturen ist hilfreich.

Lernziele

• JSON-Syntax und JSON-LD-Semantik klar unterscheiden
• Kontexte für VC-2.0-Datenmodelle kontrolliert einsetzen
• eigene Begriffe kollisionsfrei definieren
• Expansion, Kompaktierung und RDF-Abbildung nachvollziehen
• Kanonisierung als Voraussetzung deterministischer Signaturen verstehen
• Kontextänderungen und Remote-Abhängigkeiten absichern
• semantische und kryptografische Interoperabilität testen

Seminarinhalte

Modul 1: JSON-LD als semantische Schicht

1. Schritt 1: Ein gewöhnliches JSON-Dokument wird auf lokale Eigenschaftsnamen und fehlende globale Bedeutung untersucht.
2. Schritt 2: Der Kontext ordnet Eigenschaften eindeutigen Begriffen und Datentypen zu.
3. Schritt 3: Kompakte Darstellung und expandierte Bedeutung werden gegenübergestellt.
4. Schritt 4: Es wird geprüft, welche Änderungen nur die Schreibweise und welche tatsächlich die Aussage verändern.

Modul 2: Kontextverarbeitung in VC 2.0

1. Schritt 1: Der Basiskontext wird an der vorgesehenen Position eingebunden.
2. Schritt 2: Zusätzliche Kontexte werden nur für tatsächlich benötigte Erweiterungsbegriffe ergänzt.
3. Schritt 3: Reihenfolge, Schutzmechanismen und Überschreibungsmöglichkeiten werden analysiert.
4. Schritt 4: Verifier begrenzen akzeptierte Kontexte und verhindern unkontrollierte semantische Umdefinitionen.

Modul 3: Eigene Vokabulare und Erweiterungen

1. Schritt 1: Fachliche Begriffe werden mit stabilen, eindeutigen Identifikatoren versehen.
2. Schritt 2: Datentypen, Container und Objektbeziehungen werden explizit modelliert.
3. Schritt 3: Namenskonflikte und unbeabsichtigte Überschreibungen werden durch geschützte Definitionen vermieden.
4. Schritt 4: Versionierung und Abwärtskompatibilität werden vor Veröffentlichung des Datenmodells festgelegt.

Modul 4: Expansion und Kompaktierung

1. Schritt 1: Ein kompaktes Credential wird in eine expandierte Darstellung überführt.
2. Schritt 2: Aliasnamen, Listen, Sprachwerte und typisierte Literale werden in ihrer vollständigen Bedeutung betrachtet.
3. Schritt 3: Die Kompaktierung mit einem anderen Kontext zeigt, dass Darstellung und Semantik getrennt sind.
4. Schritt 4: Tests prüfen semantische Gleichheit statt bloßer Textgleichheit.

Modul 5: RDF-Abbildung und Blank Nodes

1. Schritt 1: JSON-LD-Strukturen werden als gerichteter Graph interpretiert.
2. Schritt 2: Benannte Knoten und unbenannte Knoten werden unterschieden.
3. Schritt 3: Mehrfachbeziehungen, Listen und Datentypen werden in die Graphdarstellung übertragen.
4. Schritt 4: Es wird nachvollzogen, warum unbenannte Knoten vor einer Signatur deterministisch bezeichnet werden müssen.

Modul 6: Kanonisierung

1. Schritt 1: Semantisch gleichwertige, aber unterschiedlich angeordnete Dokumente werden vorbereitet.
2. Schritt 2: Der Graph wird mit einem festgelegten Verfahren in eine kanonische Reihenfolge gebracht.
3. Schritt 3: Die kanonischen Bytes werden gehasht und als stabiler Signaturinput verwendet.
4. Schritt 4: Abweichungen bei Unicode, Zahlen, Datentypen oder Kontextauflösung werden als Ursachen unterschiedlicher Digests untersucht.

Modul 7: Sichere Kontextstrategie

1. Schritt 1: Zulässige Kontexte werden als versionierte Freigabeliste verwaltet.
2. Schritt 2: Produktionssysteme verwenden geprüfte lokale Kopien oder inhaltlich fixierte Kontextartefakte.
3. Schritt 3: Netzwerkabruf, Weiterleitungen, Größenlimits und Zeitüberschreitungen werden restriktiv behandelt.
4. Schritt 4: Eine Kontextänderung wird wie eine Änderung am Daten- und Signaturmodell getestet und freigegeben.

Modul 8: Validierung und Interoperabilität

1. Schritt 1: JSON-Schema-Prüfung und JSON-LD-Semantikprüfung werden als unterschiedliche Kontrollen eingesetzt.
2. Schritt 2: Positive und negative Kontextfälle werden mit erwarteten expandierten Ergebnissen dokumentiert.
3. Schritt 3: Unabhängige Implementierungen vergleichen expandierte Graphen und kanonische Ausgaben.
4. Schritt 4: Fehler werden in Syntax, Kontextauflösung, Semantik, Kanonisierung und Signaturverarbeitung getrennt.

Praktische Übungen

• Entwicklung eines kleinen domänenspezifischen Kontexts
• Vergleich kompakter und expandierter Credential-Darstellungen
• Analyse semantisch gleicher Dokumente mit unterschiedlicher JSON-Reihenfolge
• Aufbau einer kontrollierten Kontextfreigabe mit Negativtests

Methodik

Fachliche Einordnung, strukturierte Demonstrationen, gemeinsame Modellierung, angeleitete Implementierungs- und Prüfaufgaben, Negativtests sowie Auswertung typischer Fehlersituationen. Die Übungen verwenden synthetische Beispieldaten und werden schrittweise von einem kontrollierten Normalfall zu Manipulations-, Grenz- und Ausfallszenarien erweitert.

Einordnung im Seminarprogramm

Empfohlen nach dem VC-Grundlagenkurs und vor Data Integrity. Der Kurs ist besonders wichtig für Teams, die eigene Credential-Typen oder Kontexte definieren.