数据安全：一文讲透数据使用中的安全技术（访问、防泄漏、脱敏、水印、审计和监测）

学术 2024-11-10 19:31 湖北

数据治理的一个重点方向是数据安全，数据全生命周期安全管理通常涉及数据收集、数据传输、数据存储、数据使用、数据共享、数据归档及数据销毁等阶段，这种全面的生命周期方法确保了数据在其存在的每个阶段都得到适当的保护，从而最大限度地减少安全风险。

数据使用是数据全生命周期中最关键和最活跃的阶段之一。它直接关系到数据价值的实现，同时也是安全风险最高的阶段之一。

数据使用阶段的安全防护技术，包括数据访问控制、数据防泄漏、数据脱敏、数据水印、访问和操作行为审计以及风险监测等六个方面，如下图所示。

本文将对六大技术进行详细介绍，并辅之于图文、案例说明，希望给你带来全新的启示。

一、数据访问控制

数据访问控制是确保只有授权用户能够访问和操作数据的关键机制。它包括两个主要方面：角色权限管控和操作管控。

1、角色权限管控

目的：为不同角色分配完成职责所需的最小数据访问权限。
实现方式：
a) 身份认证：确认用户身份
b) 权限分配：基于角色和职责分配访问权限
c) 最小授权原则：只给予完成任务所需的最小权限
技术实现：4A系统（认证、授权、账号、审计）

2、操作管控

目的：对高风险操作实行严格管控
实现方式：
a) 技术手段：如金库模式
b) 审批机制：重要操作需要多级审批

典型案例：银行核心系统的数据访问控制

背景：某大型银行的核心业务系统存储着大量敏感客户信息和交易数据。

实施：

1、角色划分：

客户经理：只能查看自己客户的基本信息
信贷审核员：可查看客户详细信息和信用记录，但不能修改
系统管理员：可以进行系统维护，但无法直接访问客户数据
合规官：可以查看所有数据，但只有读取权限

2、访问控制实现：

使用4A系统进行身份认证和授权
所有访问都经过细粒度的权限检查
高风险操作（如大额转账）需要多人审批

3、金库模式：

数据库管理员无法直接查看敏感数据
需要进行敏感操作时，必须通过审批流程，并由另一位管理员监督执行

4、操作审计：

记录所有数据访问和操作日志
定期进行审计，检查是否有异常访问模式

结果：

有效防止了内部人员的越权访问和数据滥用
满足了金融行业的合规要求
显著提高了客户数据的安全性

这些案例展示了数据访问控制在不同场景下的具体应用，突显了其在保护敏感数据、遵守行业规定、防止内部威胁等方面的重要性。通过精细的角色划分、严格的权限控制和灵活的授权机制，可以有效地保护数据安全，同时确保业务的正常运作。

二、数据防泄漏

数据防泄漏（Data Loss Prevention, DLP）是指通过技术手段监控、检测和阻止敏感数据的未授权传输、使用或存储，以防止数据泄露风险。

主要组成部分：

1、终端DLP

目的：防止终端设备（如电脑、移动设备）上的数据泄露
功能：监控文件操作、外设使用、屏幕截图等

2、网络DLP

目的：监控网络流量，防止敏感数据通过网络传输泄露
功能：监控邮件、即时通讯、网页上传等网络活动

3、服务器/存储DLP

目的：保护存储在服务器和数据库中的敏感数据
功能：监控数据访问、复制、移动等操作

关键技术：

1、内容识别

关键字匹配：识别预定义的敏感词汇
正则表达式：识别特定格式的数据（如身份证号、信用卡号）
文件指纹：识别整个文件或文件片段的唯一特征

2、上下文分析

分析数据使用的环境和场景，判断是否为异常行为

3、策略执行

根据预设规则自动执行阻止、警告、加密等操作

4、日志记录与审计

记录所有敏感数据的操作，支持后续审计和分析

实现流程：

典型案例：大型科技公司保护源代码和知识产权

背景：某跨国科技公司拥有大量核心技术和知识产权，需要防止源代码和设计文档泄露。

实施：

1、终端DLP：

在所有员工的电脑上安装DLP客户端
监控所有文件操作，特别是涉及源代码和设计文档的操作
限制源代码文件的复制到外部存储设备或个人云存储

2、网络DLP：

监控所有外发邮件和网络传输
对包含敏感关键词或代码片段的邮件自动加密或阻止发送
限制源代码上传到未经授权的代码托管平台

3、内容识别：

使用文件指纹技术识别源代码文件
使用关键字和正则表达式识别设计文档中的敏感信息

4、策略执行：

对于高风险操作（如大量复制源代码），自动阻止并通知安全团队
对于中等风险操作（如发送含有少量代码的邮件），要求管理员审批

5、审计与分析：

记录所有敏感文件的访问和传输日志
定期分析日志，识别异常模式

结果：

成功阻止了多起内部人员试图泄露源代码的行为
大幅减少了意外泄露事件
提高了员工的安全意识

这个案例展示了DLP在不同行业和场景下的应用。通过综合运用终端、网络和存储DLP，结合精细的内容识别和策略执行，可以有效防止敏感数据的泄露，保护组织的核心资产和客户隐私。同时，DLP的实施也有助于提高员工的安全意识，形成良好的数据保护文化。

三、数据脱敏

数据脱敏是指通过对敏感信息进行变形或替换，降低数据的敏感性，同时保持数据的可用性和有效性。其目的是在保护隐私和敏感信息的同时，允许数据在非生产环境（如开发、测试、分析）中使用。

主要类型：

1、静态数据脱敏

定义：对存储的数据进行脱敏处理，通常用于生产数据向非生产环境的迁移
特点：一次性处理，结果固定

2、动态数据脱敏

定义：在数据被访问或传输时实时进行脱敏
特点：灵活，可根据不同用户权限动态调整脱敏级别

常见脱敏技术：

1、屏蔽：用特定字符（如*）替换部分或全部敏感信息，如【姓名: 张三 → 张三】

2、替换：用虚构但格式相似的数据替换敏感信息，如【手机: 13812345678 → 138**5678】

3、洗牌：在同一列内随机交换真实值，如【地址: 北京市海淀区... → 北京市区】

4、加密：使用加密算法对数据进行可逆转换，如【原始数据: Hello, World! → 7A4F8E3D2C1B】

5、泛化：将具体值替换为范围或类别，如【工资: 20000 → 15000-25000】

6、令牌化：用无意义的令牌替换敏感数据，保持唯一性，如【信用卡: 1234-5678-9012-3456 → XXXX-XXXX-XXXX-3456】

典型案例：医疗研究数据共享

背景：某医学研究机构需要与合作伙伴共享大量患者数据用于癌症研究，但必须保护患者隐私。

实施：

1、数据分类：

将数据分为直接标识符（如姓名、社保号）、间接标识符（如出生日期、邮编）和研究数据

2、静态数据脱敏：

直接标识符：完全删除或替换为随机标识符
间接标识符：

出生日期：仅保留年份或年龄段
邮编：仅保留前三位

研究数据：保持原样

3、数据一致性维护：

为每个患者生成唯一的研究ID，确保跨多个数据集的一致性

4、敏感属性处理：

对于极少见的疾病或特征，采用泛化处理（如将具体疾病名替换为更广泛的疾病类别）

5、数据质量验证：

脱敏后进行统计分析，确保数据分布特征与原始数据相似

6、访问控制：

实施基于角色的访问控制，确保研究人员只能访问必要的数据字段

结果：

成功保护了患者隐私，符合HIPAA等医疗数据保护法规
保持了数据的研究价值，支持了跨机构合作研究
降低了数据泄露的潜在风险和影响

四、数据水印

数据水印是一种在数据中隐藏标识信息的技术，就像在纸币上添加防伪标记一样。这种技术可以用来证明数据所有权、追踪数据来源，以及在数据泄露时找出责任人。

主要类型：

1、可见水印

特点：肉眼可见，如文档上的半透明标记
用途：吓阻非法使用

2、隐形水印

特点：肉眼不可见，需要特殊方法才能发现
用途：秘密追踪、证明版权

3、鲁棒水印

特点：难以被删除，即使数据被压缩或裁剪也能保留
用途：适用于可能被处理的数据

4、脆弱水印

特点：容易被破坏，数据稍有改动就会消失
用途：检测数据是否被篡改

实现技术：

1、结构化数据水印

应用：用于数据库表、电子表格等
方法：例如，稍微改变数字的最后一位，或在文本中插入看不见的空格，示例如下：

2、非结构化数据水印

应用：用于图片、音频、视频等
方法：例如，修改图像像素值的最后一个二进制位，即LSB（最低有效位），或者在图像的频率域中嵌入水印，然后再转回普通图像。这种方法比较抗压缩

3、文本水印

应用：用于文档、代码等
方法：例如，改变词语顺序、使用同义词、调整格式等

典型案例：防止机密文件泄露

背景：一家大型咨询公司需要与客户分享敏感的市场分析报告，但担心报告可能被泄露。

实施：

1、水印设计：

为每个客户创建独特的水印
水印包含：客户ID、时间戳、阅读权限等信息

2、PDF文档水印：

在PDF中添加肉眼难以察觉的水印
使用特殊技术调整文字间距来嵌入水印

3、动态水印：

每次打开文档时，自动添加阅读者的信息作为水印

4、水印检测：

开发工具来提取和分析水印
建立数据库来快速比对水印信息

5、定期测试：

进行模拟泄露测试，检查能否成功追踪

结果：

成功找出一起文件泄露的负责人
客户更加小心地处理敏感文件
提高了公司的保密能力

五、访问和操作行为审计

访问和操作行为审计是一种系统化的过程，用于记录、收集和分析与数据访问和操作相关的详细信息，以确保合规性、可追溯性和责任制。

主要特点：

1、全面记录：详细记录所有数据访问和操作行为。

2、事后分析：主要用于回顾和审查已发生的事件。

3、合规导向：满足法律、行业标准和内部政策的要求。

4、可追溯性：能够追溯到具体的操作者、时间和行为。

实现流程：

1、日志收集：

系统级日志：操作系统、应用程序、数据库的访问日志
用户操作日志：登录、查询、修改、删除等操作记录
权限变更日志：用户权限的添加、修改、删除记录

2、日志存储和管理：

安全存储：确保日志不被篡改
保留策略：按规定时间保留日志
数据压缩和归档：处理大量历史日志数据

3、审计分析：

定期报告生成：日常、周期性的审计报告
合规性检查：检查是否符合预定的访问控制策略
异常识别：基于简单规则的异常操作识别

4、审计响应：

人工审查：安全或合规团队审查审计报告
问题跟进：对发现的问题进行调查和处理

典型案例：金融机构的交易系统审计

背景：某银行需要对其核心交易系统进行审计，以满足监管要求。

实施：

1、全面日志记录：

记录所有用户登录、交易操作、权限变更等行为
包括操作者、操作时间、操作类型、操作对象等详细信息

2、安全存储：

使用加密技术保护审计日志
实施严格的访问控制，只有授权人员可以查看完整日志

3、定期审计：

生成日常、周度、月度审计报告
重点关注高风险操作，如大额交易、敏感信息访问

4、合规检查：

检查是否存在越权操作
验证敏感操作是否经过适当的审批流程

5、问题跟进：

对发现的异常情况进行调查
必要时启动正式的内部调查程序

结果：

满足了监管机构的审计要求
提供了清晰的操作痕迹，有助于事后调查
增强了内部控制，减少了违规操作

六、风险监测

风险监测是一种主动的、持续的过程，通过实时分析各种数据源，预测和识别潜在的安全威胁，并采取相应的防护措施。

主要特点：

1、实时分析：持续监控和分析数据，及时发现威胁。

2、预测性：试图预测和预防潜在的安全问题。

3、多源数据：整合多种数据源，包括但不限于审计日志。

4、上下文感知：考虑更广泛的上下文信息来评估风险。

实现流程：

1、数据收集和整合：

系统日志：各种IT系统的日志
网络流量：内部和外部网络通信数据
用户行为数据：详细的用户活动信息
外部威胁情报：已知威胁和漏洞信息

2、高级分析：

机器学习算法：检测复杂的异常模式
行为分析：建立和比较用户行为基线
相关性分析：关联多个事件或数据源
风险评分：对检测到的异常进行风险量化

3、实时监控和告警：

实时仪表盘：直观显示当前安全状态
智能告警：基于风险级别的告警机制
自动化响应：预配置的自动响应措施

4、持续优化：

模型更新：根据新数据和反馈不断优化检测模型
威胁情报更新：实时整合最新的威胁信息

典型案例：电子商务平台的欺诈检测

背景：大型电商平台需要实时检测和预防各种欺诈行为。

实施：

1、多维度数据采集：

用户行为：浏览模式、点击流、购买历史
账户信息：注册时间、历史交易、信用评分
设备信息：IP地址、设备指纹、地理位置
外部数据：已知欺诈模式、黑名单信息

2、实时风险分析：

使用机器学习模型实时评估每笔交易的风险
考虑历史行为、当前上下文和已知欺诈模式

3、动态风险评分：

为每个用户和交易实时计算风险分数
根据新数据和模式动态调整评分标准

4、自动化响应：

低风险：正常处理
中等风险：要求额外验证（如短信验证码）
高风险：暂停交易，触发人工审核

5、持续学习和优化：

收集误报和漏报信息，不断优化模型
定期引入新的特征和算法，提高检测准确性

结果：

显著降低了欺诈交易的成功率
提高了异常检测的准确性，减少了误报
改善了用户体验，合法交易几乎不受影响
为业务决策提供了有价值的风险洞察

随着数据使用场景的不断扩展，未来几年内，数据使用安全技术可能会在以下八个方面有明显进展：

1、智能化访问控制

结合机器学习技术，实现基于用户行为和上下文的动态权限调整。
这将帮助组织在保证安全的同时，提高数据访问的灵活性和效率。

2、高级数据脱敏

开发更智能的脱敏算法，能够根据数据内容和使用场景自动选择最合适的脱敏策略。
重点将放在保持数据可用性的同时最大化隐私保护。

3、实时异常检测

利用现有的机器学习模型，提高异常数据访问和使用行为的检测准确性和速度。
重点是减少误报，提高安全团队的工作效率。

4、增强型数据水印

改进现有的水印技术，使其更难被移除，同时不影响数据的正常使用。
这将有助于更好地跟踪数据流动和识别潜在的数据泄露源。

5、安全多方计算的实际应用

在特定领域（如金融、医疗）推广安全多方计算技术的应用。
重点是提高计算效率，使其适用于更多实际场景。

6、改进的数据使用审计

整合现有的日志管理和分析工具，提供更全面和易于理解的数据使用审计报告。
重点是自动化识别潜在的合规风险。

7、隐私增强技术的实用化

优化同态加密和差分隐私技术，降低实施成本，提高在实际业务中的可用性。
重点是在特定场景下（如数据分析）平衡隐私保护和数据效用。

8、集成化的数据使用安全平台

整合访问控制、数据防泄漏、审计等功能into统一的管理平台。
目标是简化管理，提高整体安全效率。

应该来讲，数据使用仅是数据全生命周期的一个阶段，在数据收集、数据传输、数据存储、数据共享、数据归档及数据销毁等各阶段其实都有相应的数据安全技术要求，有机会再跟大家分享。

http://mp.weixin.qq.com/s?__biz=MzA3NTM0MTYyMQ==&mid=2448347023&idx=1&sn=d33928d884268d970eac38c4326f6649

志明与数据

关注与分享数据那些事儿｜数据治理｜数据管理｜数据架构｜大数据｜数据中台｜数据仓库｜数据湖｜数据分析｜数据要素｜数据资源｜数据资产｜数据入表｜数字化转型｜DataOps｜DAMA｜CDGA｜CDGP｜CDMP｜DGBOK｜CDGE｜PMP