静态数据脱敏产品技术路线分析

随着信息技术的高速发展，各用户单位业务系统经过多年沉淀，积累了大量个人隐私数据和企业信息。海量数据除了内部流转，还需要进行外部“共享”，这亦是国家大数据发展战略规划的需求和前提。如何保证数据在产生、交换、共享等场景下的安全可用？这让数据脱敏安全技术成为热门。

《网络安全法》的正式实施，数据脱敏被纳入法规遵从的需求。《网络安全法》要求：数据流动过程中应重视保护个人隐私、社保信息、资产信息、医疗信息等敏感信息的安全。为满足这一要求，数据共享时需要使用数据脱敏技术。特别是当数据应用于开发、测试、培训等环境时，安全风险较大，使用真实数据将临严重数据泄露的风险。

数据脱敏又称数据去隐私化或数据变形，是在给定的规则、策略下对敏感数据进行变换、修改的技术机制，能够在很大程度上解决敏感数据在不可控环境中使用的问题。国内银行、通信运营商等是最早开始使用数据脱敏工具的单位，多以静态脱敏为主。

市面上有诸多静态脱敏产品，如何做挑选？本文将从这些脱敏产品的技术路线进行分析，从使用效果出发，浅析各种技术在脱敏过程中使用效果上存在的差异，呈现产品真正能实现的功能和价值。希望能为广大用户在数据脱敏产品的选型上提供参考。

一、脱敏系统的数据获得方式

数据脱敏第一步，需要获得数据库中的数据。如何获得数据主要有以下几种方式：

1. 代理软件

使用代理软件，部署在数据库上从数据库读取数据。这种方式的脱敏产品对用户方来说是侵入式的，只有极少数产品才这样使用。市面上数据备份厂商的数据脱敏产品会采用这种方式，因为利用备份软件客户端作为数据脱敏的数据采集工具使用，速度较快。

2. 数据库开发接口

这种针对不同的数据库开发接口方式的有点在于数据采集速度较快，市面上大部分脱敏产品采用此种方式。这种采集方式的缺点也很明显,数据库类型太多，脱敏产品支持的数据库类型与版本都会受限制。如果用户将来升级了数据库版本，除非脱敏厂商也花精力开发升级版本，否则采购的脱敏产品可能无法继续支持。

3. ETL技术

这种采集技术的优势是兼容性大，ETL工具兼容的数据库类型是最全面的。当然这个方式也有弱点，由于不是专门针对特定数据库类型开发，在没有强大的ETL技术积累的情况下，采集数据的速度一般。从国外脱敏厂商来看，具备有一定ETL技术积累优势大多采用此种技术，如：Informatica 。而国内脱敏厂商中，大多数厂商主业并不是大数据处理，没有ETL工具的技术能力而很少采用。

二、数据落地与否

数据落地是指数据脱敏过程中，数据需要保存到脱敏系统后再进行脱敏。数据落地的好处是，获得了需要脱敏的全部数据后再脱敏，对数据关系、业务关联方面容易处理与实现。但问题是，数据落地需要脱敏系统也具有数据源同样大小的存储空间，对脱敏系统的存储要求较高，同时进行多业务数据源脱敏的情况下，还需要对接存储系统，不仅硬件成本高，还存在安全困扰。

数据脱敏从信息安全的职责分离的要求下出发，脱敏系统的管理者为安全管理员，将DBA接触敏感数据场景剥离出来，同时安全管理员不具有DBA权限也无法查看全部的敏感数据。但在数据落地的情况下，安全管理员可以从数据脱敏系统内获得全部敏感数据，这就违背了职责分离的初衷。

市面上大部分产品不会采用此种数据落地方式脱敏，只有少数由于没有ETL技术，也没有针对不同数据库开发接口，拥有备份技术积累的脱敏厂商会使用这种脱敏方式。

三、脱敏算法的复杂程度

脱敏系统需要解决的一个重要安全问题是算法的可逆性。脱敏系统不像脚本处理作简单替换即可。以国内姓名字段的脱敏算法为例，用于姓名的主要脱敏技术主要有包括：

（1）直接将所有中文姓名，替换为固定姓名，如“张—”。这种算法简单，处理速度快，安全性差，处理结果单一，分布特征完全丧失。

（2）将原姓名每个中文字符的编码进行偏移随机长度，以生成另外一个中文字符。这种算法安性高，像真实姓名一样。速度也较快，处理后的数据结果有较强的真实性。

（3）准备一张常见中文名字的码表，存放100万左右的中文姓名，将原有姓名hash查表后进行替换。数据脱敏算法需要大量时间和空间开销，数据安全性一般，算法可逆程度不高。

（4）分析原始数据通过预处理建立频度码表的方式。这种方式需要先分析原始数据的特征，然后建立一个频度的分析报告，再建立不同字符的分布标准表格，脱敏算法依据频度对应的字符来替换。

在选择脱敏产品时，也应该关注数据脱敏算法，选择最为高效可用的。

四、脱敏系统的环境适应能力

市场上数据库种类多，服务器与系统种类也多，特别是一些不常用的系统与数据库，类似于小机环境下的数据库，部分客户还是IBM的Z系统的大型机等。

面对拥有不同类型的服务器与数据库的客户，市场上并不是所有脱敏系统全部兼容支持的。用户在选用这些脱敏系统时需要具有长远的发展眼光，将来可能会用到的数据库与系统，脱敏产品时是否需要全面支持。

另外，还需要考虑不同数据库之间的数据脱敏转换。（异构数据脱敏）可能会出现源数据库使用的是一种类型，而数据需求方使用的数据库是另一种类型，这时候的数据脱敏就需要兼容不同数据库之间的数据转换。

五、脱敏厂商的安全与数据库服务能力

数据脱敏系统毕竟不同于传统网络安全的硬件，需要对数据库具有较深入的理解，是信息安全与数据库DBA的结合领域。

一方面需要脱敏产品具有传统安全的理念，如实现数据脱敏的流程化、落实数据的职责分离。（如脱敏系统属于安全管理员维护的系统、而数据库维护属于DBA职责）。另一方面，系统应具有配套的流程管理系统，帮助安全管理员实现数据的脱敏。

由于安全管理员不具有DBA的知识背景，在很多脱敏项目中需要脱敏厂商帮助安全管理员来制定脱敏策略，实现数据安全脱敏。

六、快速响应客户的开发能力

数据脱敏系统国外产品进入国内已经多年，早期大数据用户使用时会明显感觉国外产品对国内用户使用带来的不便，需要将产品做一些修改调整时往往无法实现。

随着国内脱敏产品的日益完善，国外脱敏产品已正慢慢退出，国内产品可以按客户要求场景快速修改（二次开发能力），满足国内用户的使用要求。

七、脱敏解决方案的全面性

大部分用户在选择脱敏系统时，不仅需要考虑当前数据离开生产环境的静态脱敏，还需要考虑当数据还在生产环境时，面对DBA与业务系统的脱敏需求。业务系统用户还可以通过应用开发来设置用户屏蔽条件，但针对DBA的使用场景，就需要动态脱敏产品进行动态脱敏。如果同一厂商在静态脱敏与动态脱敏都具有解决方案，对用户而言，更具备竞争优势。

八、脱敏系统的合法性

数据脱敏系统已经被纳入了计算机信息系统安全专业产品范畴，按照公安部的要求应具备产品销售许可证。很多厂商都没有耐心研发产品，OEM其它厂商后申请一个软件著作权证书，就变成自己的产品解决方案，更有些厂商OEM后连销售许可都不具备。建议用户选择脱敏系统时，选用获得公安部销售许可证的数据脱敏系统。

相关阅读