数据脱敏的6种方案

不念不忘少年蓝@ 2024-04-01 13:03 58阅读 0赞

##### 什么是数据脱敏 ? #####

先来看看什么是数据脱敏？数据脱敏也叫数据的去隐私化，在我们给定脱敏规则和策略的情况下，对敏感数据比如 手机号、银行卡号 等信息，进行转换或者修改的一种技术手段，防止敏感数据直接在不可靠的环境下使用。

像政府、医疗行业、金融机构、移动运营商是比较早开始应用数据脱敏的，因为他们所掌握的都是用户最核心的私密数据，如果泄露后果是不可估量的。

数据脱敏的应用在生活中是比较常见的，比如我们在淘宝买东西订单详情中，商家账户信息会被用 \* 遮挡，保障了商户隐私不泄露，这就是一种数据脱敏方式。

![在这里插入图片描述][cf821f92529c4acba53fcb5c212ea80a.png]  
淘宝详情

数据脱敏又分为静态数据脱敏 (SDM）和 动态数据脱敏 (DDM)。

##### 静态数据脱敏 #####

静态数据脱敏 (SDM) ：适用于将数据抽取出生产环境脱敏后分发至测试、开发、培训、数据分析等场景。

有时我们可能需要将生产环境的数据 copy 到测试、开发库中，以此来排查问题或进行数据分析，但出于安全考虑又不能将敏感数据存储于非生产环境，此时就要把敏感数据从生产环境脱敏完毕之后再在非生产环境使用。

这样脱敏后的数据与生产环境隔离，满足业务需要的同时又保障了生产数据的安全。  
![在这里插入图片描述][575acc5ad6c84d5985a06924cc482f5f.png]  
数据脱敏过程

如上图所示，将用户的真实 姓名、手机号、身份证、银行卡号 **通过** 替换、无效化、乱序、对称加密 等方案进行脱敏改造。

##### 动态数据脱敏 #####

动态数据脱敏 (DDM) ：一般用在生产环境，访问敏感数据时实时进行脱敏，因为有时在不同情况下对于同一敏感数据的读取，需要做不同级别的脱敏处理，例如：不同角色、不同权限所执行的脱敏方案会不同。

**注意** ：在抹去数据中的敏感内容同时，也需要保持原有的数据特征、业务规则和数据关联性，保证我们在开发、测试以及数据分析类业务不会受到脱敏的影响，使脱敏前后的数据一致性和有效性。总之一句话：**你爱怎么脱就怎么脱，别影响我使用就行**。

##### 数据脱敏方案 #####

数据脱敏系统可以按照不同业务场景自行定义和编写脱敏规则，可以针对库表的某个敏感字段，进行数据的不落地脱敏。  
![在这里插入图片描述][960c311b5f214d44bd47ebfb92506312.png]  
脱敏系统

数据脱敏的方式有很多种，接下来以下图数据为准一个一个的演示每种方案。  
![在这里插入图片描述][bf637bff26af41a186fd3e1a01e1dedc.png]  
原始数据

1、无效化

无效化方案在处理待脱敏的数据时，通过对字段数据值进行截断、加密、隐藏 等方式让敏感数据脱敏，使其不再具有利用价值。一般采用特殊字符（\*等）代替真值，这种隐藏敏感数据的方法简单，但缺点是用户无法得知原数据的格式，如果想要获取完整信息，要让用户授权查询。

![在这里插入图片描述][18af76d5d0a14c87888c65a86573e1f0.png]  
截断方式

比如我们将身份证号用 \* 替换真实数字就变成了 “220724 \*\*\*\*\*\* 3523”，非常简单。

![在这里插入图片描述][06a1a0ffc26045e5bee66d6dbfb1c61f.png]  
隐藏方式

2、随机值

随机值替换，字母变为随机字母，数字变为随机数字，文字随机替换文字的方式来改变敏感数据，这种方案的优点在于可以在一定程度上保留原有数据的格式，往往这种方法用户不易察觉的。

我们看到 name 和 idnumber 字段进行了随机化脱敏，而名字姓、氏随机化稍有特殊，需要有对应姓氏字典数据支持。

![在这里插入图片描述][9fe920d335bf42d1baff0c899832bbd8.png]  
随机值

3、数据替换

数据替换与前边的无效化方式比较相似，不同的是这里不以特殊字符进行遮挡，而是用一个设定的虚拟值替换真值。比如说我们将手机号统一设置成 “13651300000”。

![在这里插入图片描述][d5276c6d92d5478abd45d0a13be1bb10.png]  
数据替换

4、对称加密

对称加密是一种特殊的可逆脱敏方法，通过加密密钥和算法对敏感数据进行加密，密文格式与原始数据在逻辑规则上一致，通过密钥解密可以恢复原始数据，要注意的就是密钥的安全性。

![在这里插入图片描述][01054f298e234f3b876092b817093b90.png]  
对称加密

5、平均值

平均值方案经常用在统计场景，针对数值型数据，我们先计算它们的均值，然后使脱敏后的值在均值附近随机分布，从而保持数据的总和不变。

![在这里插入图片描述][8b00788360cd4d2ab3a4256e7fc88873.png]  
原始数据

对价格字段 price 做平均值处理后，字段总金额不变，但脱敏后的字段值都在均值 60 附近。

![在这里插入图片描述][c25f576433854480a2ce8d65ae845e2a.png]  
平均值

6、偏移和取整

这种方式通过随机移位改变数字数据，偏移取整在保持了数据的安全性的同时保证了范围的大致真实性，比之前几种方案更接近真实数据，在大数据分析场景中意义比较大。

比如下边的日期字段create\_time中 2020-12-08 15:12:25 变为 2018-01-02 15:00:00。

![在这里插入图片描述][023e93055f9b41df83fc75624ee19754.png]

取整

数据脱敏规则在实际应用中往往都是多种方案配合使用，以此来达到更高的安全级别。

##### 总结 #####

无论是静态脱敏还是动态脱敏，其最终都是为了防止组织内部对隐私数据的滥用，防止隐私数据在未经脱敏的情况下从组织流出。所以作为一个程序员不泄露数据是最起码的操守。

--------------------

转载自：[https://blog.csdn.net/u010517268/article/details/112864274][https_blog.csdn.net_u010517268_article_details_112864274]

[cf821f92529c4acba53fcb5c212ea80a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/b331f372e97c45e4891a3650bc19722d.png
[575acc5ad6c84d5985a06924cc482f5f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/d6835577a41c4368ac2db9723e7af2b1.png
[960c311b5f214d44bd47ebfb92506312.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/97c1d52323f94049b294f58a9330bfe1.png
[bf637bff26af41a186fd3e1a01e1dedc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/c539893eac094cd3a57d72b68692fcf3.png
[18af76d5d0a14c87888c65a86573e1f0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/1805b928b5ba403db39671b88a111d78.png
[06a1a0ffc26045e5bee66d6dbfb1c61f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/6510224d8f9a491f80551d076a8d974f.png
[9fe920d335bf42d1baff0c899832bbd8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/ad127b8bcce64bb88828e7bed354c5fd.png
[d5276c6d92d5478abd45d0a13be1bb10.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/49423154e9544b49a970649b06326b69.png
[01054f298e234f3b876092b817093b90.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/8db2986662be4a5fb4d23db9780a5b94.png
[8b00788360cd4d2ab3a4256e7fc88873.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/b83e564dc53a4b41b04dd8dd44fd1949.png
[c25f576433854480a2ce8d65ae845e2a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/8c28aaa38ea74719bc5bdc7b77a9dc98.png
[023e93055f9b41df83fc75624ee19754.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/2910400039e34e73ad7abf0fc909877d.png
[https_blog.csdn.net_u010517268_article_details_112864274]: https://blog.csdn.net/u010517268/article/details/112864274