在數(shù)據(jù)脫敏這場“賽跑”中，產(chǎn)品的強(qiáng)弱快慢不在表面，下文中安華金和數(shù)據(jù)安全專家為您解讀個(gè)中不同：
隨著我國信息化建設(shè)的持續(xù)推進(jìn)，政府、企業(yè)乃至個(gè)人對(duì)數(shù)據(jù)安全的認(rèn)知與重視程度不斷提升。作為數(shù)據(jù)安全防護(hù)工作的重要一環(huán)，數(shù)據(jù)脫敏技術(shù)和產(chǎn)品已作為常規(guī)手段，在開發(fā)測試環(huán)境構(gòu)建以及數(shù)據(jù)外發(fā)共享等典型場景中被廣泛普及應(yīng)用。
如果單純從“使用效果”來看，數(shù)據(jù)脫敏所要實(shí)現(xiàn)的不過是將用戶真實(shí)數(shù)據(jù)遷移至新環(huán)境中，并對(duì)敏感數(shù)據(jù)進(jìn)行變形、遮蔽等處理，達(dá)到數(shù)據(jù)“敏感性降低、標(biāo)識(shí)化消除”的目的。但在安華金和看來，上述貌似簡單明確的需求，如果沒有數(shù)據(jù)安全廠商專業(yè)、復(fù)雜的技術(shù)支撐，非但無法將安全和便捷帶給客戶，還會(huì)在項(xiàng)目交付實(shí)施等環(huán)節(jié)造成一系列問題和麻煩!圍繞以上問題，安華金和將帶您透過一系列典型數(shù)據(jù)脫敏需求，看清其背后的產(chǎn)品功能與技術(shù)能力差異：
差異一：敏感數(shù)據(jù)發(fā)現(xiàn)與“精確”敏感數(shù)據(jù)發(fā)現(xiàn)
針對(duì)目標(biāo)環(huán)境中的敏感數(shù)據(jù)進(jìn)行發(fā)現(xiàn)，是進(jìn)行數(shù)據(jù)脫敏公認(rèn)的前提。然而，對(duì)這項(xiàng)技術(shù)的應(yīng)用除必須考察數(shù)據(jù)脫敏產(chǎn)品的“發(fā)現(xiàn)性能和準(zhǔn)確度”外，在實(shí)際使用過程中還隱藏著對(duì)產(chǎn)品更多“深度能力”的要求，這些能力將決定一款數(shù)據(jù)脫敏產(chǎn)品能否真正適用于真實(shí)復(fù)雜的場景：
1. 多種內(nèi)容混合的字段脫敏
對(duì)于“由多種內(nèi)容混合在一起“的字段，數(shù)據(jù)脫敏產(chǎn)品能否準(zhǔn)確辨別其中每種數(shù)據(jù)的類型，同時(shí)給出類型占比以供使用者參考抉擇?
安華金和觀點(diǎn)：以個(gè)人信息收集場景為例，其中一個(gè)典型內(nèi)容就是需要有人填寫“聯(lián)系方式”字段。但是由于填寫人員對(duì)采集需求的理解不同，導(dǎo)致所填寫的信息可能會(huì)由手機(jī)號(hào)、座機(jī)號(hào)、地址等五花八門的“個(gè)人信息”構(gòu)成。而這些信息會(huì)存儲(chǔ)在同一列中，如果單從數(shù)據(jù)特征入手，處理不善的話很容易將此字段當(dāng)做非敏感字段被忽略掉。因此，一款成熟的數(shù)據(jù)脫敏產(chǎn)品的發(fā)現(xiàn)機(jī)制，不僅要能將上述字段準(zhǔn)確識(shí)別為敏感數(shù)據(jù)字段，還要能根據(jù)采樣數(shù)據(jù)給出各類數(shù)據(jù)在此字段中的發(fā)現(xiàn)占比;此外，在之后的數(shù)據(jù)脫敏運(yùn)算環(huán)節(jié)中，還應(yīng)能夠根據(jù)每行數(shù)據(jù)的真正類型，對(duì)應(yīng)地產(chǎn)生高度仿真的數(shù)據(jù)。
2. 無法判別敏感屬性的字段脫敏
安華金和觀點(diǎn)：對(duì)于“從數(shù)據(jù)特征上無法判別敏感屬性”的字段，在傳統(tǒng)數(shù)據(jù)脫敏產(chǎn)品的發(fā)現(xiàn)邏輯中往往容易被忽略，從而導(dǎo)致敏感數(shù)據(jù)的泄露;其實(shí)處理得當(dāng)?shù)脑挘祟悢?shù)據(jù)是能夠進(jìn)行識(shí)別的，可通過以下兩種方式進(jìn)行：
其一，對(duì)屬于某種集合范圍內(nèi)、能夠被枚舉概括的數(shù)據(jù)，可將這些集合全部列出作為數(shù)據(jù)字典保存;當(dāng)遇到這類“落到字典中”的數(shù)據(jù)時(shí)，即可以此辨別其是否為敏感數(shù)據(jù)。例如：中國的省市區(qū)劃、企業(yè)和機(jī)構(gòu)的行政部門、股票證券行業(yè)的上市公司代碼等，均可通過此類邏輯進(jìn)行敏感數(shù)據(jù)發(fā)現(xiàn)。
其二，對(duì)字段命名具有特征的數(shù)據(jù)，可根據(jù)字段名稱特征嘗試進(jìn)行敏感數(shù)據(jù)發(fā)現(xiàn);通過這種發(fā)現(xiàn)方式得出的結(jié)果雖是基于猜測，但卻能縮減客戶大海撈針般的工作量。例如：保存有密碼的字段，單從數(shù)據(jù)內(nèi)容特征上是很難辨別其敏感性的，但若根據(jù)字段的名稱，卻可利用一條“包含了PWD或PASSWORD等字符串的列名”作為此類數(shù)據(jù)的疑似判別依據(jù)。
差異二：數(shù)據(jù)脫敏與“高度仿真”數(shù)據(jù)脫敏
數(shù)據(jù)脫敏，看似是描述相關(guān)產(chǎn)品“最基礎(chǔ)能力”的詞語，但在差異化使用場景下卻對(duì)其有著不同能力的要求;比如客戶對(duì)脫敏后數(shù)據(jù)”仿真”質(zhì)量的要求，就會(huì)隨著脫敏后數(shù)據(jù)的實(shí)際使用得到驗(yàn)證，從而對(duì)數(shù)據(jù)脫敏產(chǎn)品的“高度仿真”能力提出更多、更高的要求，往往由以下幾個(gè)難度層級(jí)構(gòu)成：
1. 內(nèi)容仿真
基礎(chǔ)的內(nèi)容仿真，要求脫敏后數(shù)據(jù)從“數(shù)據(jù)類型、長度、格式、內(nèi)在邏輯和語義”等特性上均與原始數(shù)據(jù)保持一致，不會(huì)對(duì)脫敏后數(shù)據(jù)的使用場景造成無法識(shí)別或產(chǎn)生歧義等問題。通常來說，市面上多數(shù)脫敏產(chǎn)品通過內(nèi)置規(guī)則，可針對(duì)身份證、姓名、銀行卡、手機(jī)號(hào)、地址等常見字段實(shí)現(xiàn)上述最基礎(chǔ)的仿真要求。但當(dāng)客戶面對(duì)五花八門的使用場景時(shí)，想要實(shí)現(xiàn)脫敏后數(shù)據(jù)的“高度仿真”，就需要更加靈活的產(chǎn)品技術(shù)能力提供支撐。
安華金和舉例說明：在某制造行業(yè)中，對(duì)于制成品的批次號(hào)需要進(jìn)行脫敏，但批次號(hào)是由生產(chǎn)日期、車間號(hào)、流水線號(hào)和操作者相關(guān)信息共同組成的，這種行業(yè)級(jí)的數(shù)據(jù)顯然已超出一般數(shù)據(jù)脫敏產(chǎn)品內(nèi)置規(guī)則的默認(rèn)范圍，這時(shí)就需要安全廠商的數(shù)據(jù)脫敏產(chǎn)品能夠?qū)?shù)據(jù)按位數(shù)進(jìn)行切分，并基于切分的結(jié)果對(duì)各段配置脫敏規(guī)則。比如：對(duì)于日期段，可采用標(biāo)準(zhǔn)的日期脫敏規(guī)則;對(duì)于車間號(hào)、流水線號(hào)這種有范圍的數(shù)據(jù)，要能基于數(shù)據(jù)字典進(jìn)行脫敏;最終還要將各段組合成完整的脫敏后數(shù)據(jù)。
2. 區(qū)間、比例仿真
進(jìn)階一步的數(shù)據(jù)仿真，除對(duì)內(nèi)容進(jìn)行仿真外，還要求脫敏后的整列數(shù)據(jù)能夠滿足某些特征，以避免這些脫敏后數(shù)據(jù)被分發(fā)到分析統(tǒng)計(jì)場景后，因?yàn)槭д娼档推鋵?shí)用性。
安華金和舉例說明：金融行業(yè)客戶需要對(duì)儲(chǔ)戶的儲(chǔ)蓄金額進(jìn)行分析，但若拿到的脫敏后數(shù)據(jù)與原始數(shù)據(jù)相差過大，將會(huì)導(dǎo)致統(tǒng)計(jì)分析結(jié)果大大失真，因而需要脫敏產(chǎn)品的算法能夠?qū)⒔痤~數(shù)據(jù)劃分區(qū)間步長，并能以“就近隨機(jī)”的方式完成脫敏;而高校客戶在統(tǒng)計(jì)生源分布比例時(shí)，即便拿到的已是將“北京市脫敏成上海市，天津市脫敏成江西省”這樣的非真實(shí)數(shù)據(jù)，也還是希望“同一省市生源數(shù)據(jù)的比例”是不變的等等。
3. 關(guān)聯(lián)仿真
關(guān)聯(lián)仿真則是更進(jìn)一步的數(shù)據(jù)仿真，要求脫敏后數(shù)據(jù)與其所在行的其他數(shù)據(jù)能夠保留一定的關(guān)聯(lián)關(guān)系或運(yùn)算關(guān)系，安華金和舉例說明：
當(dāng)身份證號(hào)、出生日期、年齡三個(gè)字段出現(xiàn)在同一個(gè)表中，則天然存在“身份證中間8位數(shù)據(jù)與出生日期一致，且當(dāng)前年份減去出生日期即為年齡”這一邏輯關(guān)系。在這種情況下，就要求脫敏后數(shù)據(jù)也要保持這種關(guān)聯(lián)關(guān)系，否則在分發(fā)到開發(fā)測試場景后極易造成業(yè)務(wù)系統(tǒng)出現(xiàn)邏輯異常;
而在制造行業(yè)，一張表中常存在“產(chǎn)品單價(jià)、折扣率、實(shí)際價(jià)格”三個(gè)字段，且存在“產(chǎn)品單價(jià)x折扣率 = 實(shí)際價(jià)格”這一邏輯關(guān)系。在這種情況下，如果對(duì)價(jià)格數(shù)據(jù)進(jìn)行脫敏，那么要求脫敏后數(shù)據(jù)仍能保留上述運(yùn)算關(guān)系，這就需要脫敏產(chǎn)品能夠通過表達(dá)式精確處理此類行業(yè)內(nèi)特定的數(shù)據(jù)邏輯關(guān)系;
再以證券行業(yè)為例，同一張表內(nèi)常存在“證券號(hào)碼、上市地區(qū)、企業(yè)名稱”等存在對(duì)應(yīng)關(guān)系的數(shù)據(jù)，并且要求在對(duì)證券號(hào)碼或企業(yè)名稱進(jìn)行脫敏后，三者的邏輯關(guān)系依然能夠?qū)?yīng)。為此，脫敏產(chǎn)品需要能夠針對(duì)多列數(shù)據(jù)字典，實(shí)現(xiàn)精確且保障效率的關(guān)聯(lián)仿真脫敏運(yùn)算。
綜上安華金和認(rèn)為，想要真正做到以仿真數(shù)據(jù)滿足不同行業(yè)、不同場景下的客戶使用需求，并不是簡單一句“數(shù)據(jù)脫敏”所能概括的，其背后對(duì)廠商產(chǎn)品、技術(shù)有著更多、更高的要求與考驗(yàn)。
差異三：脫敏運(yùn)算與“高性能”脫敏運(yùn)算
脫敏性能，是客戶極為關(guān)注的產(chǎn)品指標(biāo)!在一些場景下，客戶需要執(zhí)行“一次全量脫敏后每天增量脫敏”的數(shù)據(jù)處理邏輯，這就要求脫敏產(chǎn)品必須在規(guī)定時(shí)間內(nèi)處理完前一天的增量數(shù)據(jù)，不然就會(huì)直接影響到脫敏目標(biāo)環(huán)境中的數(shù)據(jù)一致性;而在另一些場景中，對(duì)數(shù)據(jù)脫敏的需求則處于“隨用隨做”的節(jié)奏，且從數(shù)據(jù)脫敏需求被發(fā)出到完成數(shù)據(jù)脫敏環(huán)境的構(gòu)建，留給相關(guān)人員的時(shí)間很可能十分緊張。無論面臨以上哪種場景，都對(duì)大批量數(shù)據(jù)的脫敏性能提出著新的要求與挑戰(zhàn)。除常規(guī)提升調(diào)度合理性與算法運(yùn)算效率外，還有兩個(gè)關(guān)鍵因素也影響著數(shù)據(jù)脫敏效率的提升：
其一，是利用數(shù)據(jù)庫特性完成數(shù)據(jù)抽取與入庫邏輯。例如：以“數(shù)據(jù)庫并行加載機(jī)制或load機(jī)制”替換“通過JDBC讀寫數(shù)據(jù)”，這種方式會(huì)令數(shù)據(jù)脫敏產(chǎn)品的開發(fā)復(fù)雜程度大幅提升，但與此同時(shí)也會(huì)帶來大規(guī)模數(shù)據(jù)脫敏性能的提升。
其二，是數(shù)據(jù)脫敏產(chǎn)品能夠提供平行擴(kuò)展的集群化部署運(yùn)算能力，從而通過擴(kuò)展運(yùn)算節(jié)點(diǎn)的數(shù)量，成倍擴(kuò)展數(shù)據(jù)脫敏產(chǎn)品的運(yùn)算能力。
本文中，安華金和數(shù)據(jù)安全專家通過“三大差異”對(duì)數(shù)據(jù)脫敏產(chǎn)品能力的“不同之處”進(jìn)行了詳細(xì)介紹，希望這些來自真實(shí)使用側(cè)的實(shí)踐經(jīng)驗(yàn)與問題思考，能夠?yàn)楦嗫蛻粼谖磥磉M(jìn)行產(chǎn)品選型與技術(shù)比對(duì)時(shí)提供參考和指引，讓數(shù)據(jù)使用自由而安全!
