什么是数据脱敏？

4月12号推特上有个叫@Bank Security的账号发了一条消息，说有人在卖中国多个的银行用户数据，只卖美元3999。包括姓名、年龄、地址、电话号码、身份证号、存款金额、所办业务等金融数据等等。

我果断去Twitter上看了一眼，果不其然。截图里的敏感信息已经被挡住了，不过Twitter上还都是明文，名字电话身份证都清清楚楚，还有什么CEO的公司，行业，业务情况，家庭住址什么的一应俱全。在示例里展出的银行客户会不会被吓出一身冷汗，反正我是细思极恐的。

昨天神州数码TDMP数据脱敏系统在华为鲲鹏ARM服务器上拿到了认证。

今天我想聊的是这个TDMP数据脱敏系统到底是用来干啥的。数据脱敏是数据库安全技术的一种，英文是Data Masking（DM），直接过来翻译过来可以是数据屏蔽，英文里也可以用Data Obfuscation，数据混淆。但是不知道为什么翻译成中文就成了数据脱敏(Data Desensitization)。好吧，可能是为了混淆吧，一个蛮清楚的名字就这么被混淆了。不过没关系，我们继续用国内的“数据脱敏”这个名词来称呼他。

 什么是数据脱敏？(What)

数据脱敏是隐藏原始数据与修改的内容（字符或其他数据）的过程。对数据脱敏的原因主要是为了保护个人身份信息，敏感个人数据或者商业数据，也就是刚才我们在推特上看到的那些客户信息。

数据脱敏最大的要点，在隐藏了数据之后，数据必须要保持可用，而且看上去也要像真的一样，否则我们就直接把这些信息都改成ABCD就好了。

比如某个人叫张三，要把他改成李四。手机号码也要变成不存在的号码，但是还是得有11位，不能变成字母。身份证号和信用卡号也要符合规则，比如身份证特定几位必须是生日，信用卡的奇偶校验那一位必须是正确的，否则将会变成无效卡号等等。

上面这个还是简单的，数据脱敏还需要在各个级别上都让数据有意义，比如混淆地址，必须要保证是一个正确的地址，而且还要让邮政编码是正确的，这通常会跨数据库的多个字段。又比如某个人力资源系统里，一个员工的职位是工程师，那么这个职员关联到的另外一张工资表上的工资，不可以是一千万，否则就出了大笑话。还比如说某个呼叫中心的客户接到了银行的客户投诉，这个客户如果是一个VIP客户，就必须要匹配到客服数据库里面的相关客户等级和服务。

所以数据脱敏主要的工作不是把数据藏起来，而是把数据弄得跟真的一样，还不能是真的。

我们为什么要做数据脱敏呢？(Why)

我说了，数据脱敏是数据库安全里的一个技术，主要是为了数据库安全。就像我们上面举的银行客户数据泄露的例子，如果核心数据库能做到完全不能对外访问，读取的都是脱敏的数据，那么这种敏感信息泄露的事情就不会发生。

当然以上的讲法是不现实的，毕竟生产系统还是要使用真实数据的，在很多情况下开发工程师或者运维工程师要做系统测试，做软件开发，都需要用到相关数据。直接把生产系统数据给开发人员，风险是非常大的，万一这个工程师对公司有怨念，或者对领导有想法，或者人品不好，就很容易把数据泄露出去，造成巨大的损失。

为了避免这个问题，我们在测试环境当中，就必须使用脱敏之后的数据，而不是真实的生产数据。尤其是对数据安全要求比较高的金融医疗等行业。比如根据支付卡行业数据安全标准(PCI-DSS)，还有医疗行业的HIPAA标准和欧洲通用数据保护条例（GDPR），数据脱敏都是必不可少的。

随着云计算的快速发展，数据脱敏对更多的行业也越来越重要。如果我们的生产数据放在IaaS，PaaS或者SaaS上，数据必须要保证安全。随着DevOps流程的更加成熟，软件开发流程(SDLC)里也需要加上数据脱敏的内容。

那么数据脱敏有谁在玩呢？（Who）

按照Gartner的说法[1]，数据脱敏可以分为静态数据脱敏（SDM），动态数据脱敏和非结构化/半结构化编校 （USR），分别用在静态数据，数据传输和日志数据等领域的安全，细细看来，在每个领域都有很多巨头玩家。像微软啊，IBM，Informatic，Oracle，博通啥的都在里面。

神州数码的TDMP牛在哪里？

不看不知道，一看吓一跳，玩法其实是站在巨人的肩膀上做点具体和本地化的工作。

正如我一开始说的，要把假的做成假的很容易，要把真的改成假的也很容易，但是要把真的改成假的，还得像真的，就很难了。

上面那些玩家都是牛哄哄的全球大公司，不过在中国这个市场，“安能辨我是雌雄”好像是个核心竞争力。

其次是和大厂一起搞。什么意思呢？Microsoft，Oracle这些公司做这个很多年了，技术上很专业，但是核心的规则和逻辑，在不同的行业却各有不同。我们能建立在他们的基础上，用核心的逻辑，更新他们的数据脱敏算法，从而达到效果更好，数据更真实，效率更高的优点。

此外，我们所有的代码都是自己一行一行打出来的，不是开源的复制过来改改，所以所有的代码可以挖到每一行的原理和逻辑。

当然吹牛谁都会，我说的别人也都能说。鉴于这事情我们干了将近十年，在各银行金融机构的实验田里秒杀了无数竞争对手，昨天又有了华为鲲鹏的认证，目测大概又能甩开竞争对手几百米。

当然，这事情还得不断跑下去，稍微歇一歇就会被人赶超，要创新，就是得不停锻炼身体不停跑。听张文宏医生的话，多喝牛奶多吃鸡蛋，打好基础长期在舒适区外奋斗，在这数据安全的路上小跑下去，保证自己以后“不会因为碌碌无为而悔恨，也不会因为虚度年华而羞耻。”

注释：

1. Gartner, “Market Guide for Data Masking”，25 November 2019 - ID G00369703
   

免责申明：

本公众号内容仅供参考，如需转载，请您注明出处和保持信息完整性。如有未注明作者及出处信息或图片，请版权所有者联系我们，我们将及时补上，感谢您的辛勤创作。