1 引言
在當前的大數據時代，各類數據分析應用技術已經廣泛應用在國家治理、企業運行、個人日常生活等各個方面，數據成為時下最熱門的基礎資源，因此數據安全的受關注程度也在不斷攀升，成為頗受重視的話題。
近年來，在國際上數據安全事件頻發，尤其是數據泄露事件，根據Risk Based Security于2019年下半年發布的數據，整個2019年上半年發生數據泄露事件3800余起，相對于2018年同期數據增長了54%。數據泄露事件通常還會帶來顯式或隱式的經濟損失，安全研究中心Ponemon Institute和IBM Security聯合發布的《2019年數據泄露成本報告》中指出，超過100萬條記錄的泄露預計會給企業帶來4200萬美元的損失，當泄露記錄超過5000萬條時，預計帶來的損失將達到3.88億美元[1]。
安全事件的不斷爆發，以及事件背后相應可能帶來的潛在重大危害和巨額損失，不斷驅使著國家、行業、企業等各層面更加重視數據安全，并開始從法規、標準、制度等方面切入展開相應舉措。歐盟在2018年出臺《通用數據保護條例》(GDPR)，規定了企業如何收集、使用和處理歐盟公民的個人數據。2019年5月28日，國家互聯網信息辦公室發布的《數據安全管理辦法(征求意見稿)》中，明確要求對于個人信息的保存和提供要經過匿名化處理，以切實降低在數據應用中個人信息可能存在的泄露風險[2]。
2 數據脫敏技術
數據脫敏技術是一種可以通過數據變形方式對于敏感數據進行處理，從而降低數據敏感程度的一種數據處理技術。適當地使用數據脫敏技術，可以有效地減少敏感數據在采集、傳輸、使用等環節中的暴露，降低敏感數據泄露的風險，盡可能降低數據泄露造成的危害。根據不同的數據脫敏規則和算法，可以對特定敏感數據使用若干種數據變形方式進行組合處理，在不同程度上降低數據的敏感程度，在較為嚴格的脫敏規則和算法下可實現匿名化處理。
數據脫敏技術本質上是對于數據的變形處理，因此數據脫敏技術的另一大特點是能夠在一定程度上保持數據原本的一些特性，使脫敏后的數據依舊存在可用性。針對整個數據集使用統一的脫敏處理算法，可以保證在降低數據敏感程度的同時，數據集整體的統計特性、數據唯一性不發生改變，從而能夠繼續滿足關聯分析、機器學習、即時查詢等應用場景的使用需求。
2.1 數據脫敏算法與匿名化方法
在實際應用數據脫敏技術時，常常會涉及到脫敏算法、脫敏規則、脫敏策略3 個不同的概念。
數據脫敏技術的核心是通過對敏感數據進行變形處理以降低其敏感程度。其中，在脫敏處理過程中使用的特定數據變形方式為脫敏算法。在原始脫敏算法的基礎上，通過將一種或多種脫敏算法的組合應用在一種特定的敏感數據上便形成了脫敏規則。在具體的業務場景中，根據不同業務場景選擇特定一系列脫敏規則可稱為脫敏策略。
對于數據脫敏技術以及實現數據脫敏的應用及工具，數據脫敏算法均是其中的核心能力，常見的脫敏算法包括加密、掩碼、替換、模糊等。
在上述提到的基礎脫敏算法之外，為了實現更高程度的敏感信息保護能力，尤其是達到特定水平的敏感程度降低，還存在更多復雜的針對于數據集整體的脫敏策略。例如，在個人信息保護場景中的匿名化要求下，需要使用k匿名化、l多樣化、t貼近性等匿名化方法。
k匿名化方法要求數據集中的每一條記錄至少需要與其他k-1條記錄無法進行直接區分，即數據集中每種敏感屬性組合至少需要同時出現在k條記錄中，無法被區分的k條記錄形成一個等價類[3] 。l多樣化是基于k匿名化方法在敏感屬性方面的一種擴展，該方法要求數據集在匿名化處理時每個等價類中所有記錄的敏感屬性至少包含l個互不相同的敏感屬性值[4] 。t貼近性方法要求所有等價類中敏感屬性值的分布盡量接近該屬性在整個數據集中的全局分布，從而可以抵抗偏斜攻擊[5] 。
2.2 數據脫敏技術分類
當前數據脫敏技術主要可以分為靜態數據脫敏和動態數據脫敏兩類，兩者面向的使用場景不同，實現時采用的技術路線和實現機制也均有所不同。
2.2.1
靜態數據脫敏靜態數據脫敏的主要目標是實現對完整數據集的大批量數據進行一次性整體脫敏處理，一般會按照制定好的數據脫敏規則，使用類似ETL技術的處理方式，對于數據集進行統一的變形轉換處理。在根據脫敏規則降低數據敏感程度的同時，靜態脫敏能夠盡可能減少對于數據集原本的內在數據關聯性、統計特征等可挖掘信息的破壞，保留更多有價值的信息。靜態脫敏通常在需要使用生產環境中的敏感數據進行開發、測試或者外發的場景中使用。
2.2.2
動態數據脫敏動態數據脫敏的主要目標是對外部申請訪問的敏感數據進行實時脫敏處理，并即時返回處理后的結果，一般通過類似網絡代理的中間件技術，按照脫敏規則對外部的訪問申請和返回結果進行即時變形轉換處理。在根據脫敏規則降低數據敏感程度的同時，動態脫敏能夠最大程度上降低數據需求方獲取脫敏數據的延遲，通過適當的脫敏規則設計和實現，即使是實時產生的數據也能夠通過請求訪問返回脫敏后的數據。動態數據脫敏通常會在敏感數據需要對外部提供訪問查詢服務的場景中使用。
3 數據脫敏技術應用現狀
數據脫敏技術的應用在近幾年不斷呈現上升的趨勢，根據Gartner發布的《數據脫敏市場指南》，2017年使用數據脫敏或其他類似去識別技術的企業占比為15%，這一數據在2018年增加到了20%，預計在2022年將達到50%[6]。
3.1 數據脫敏技術行業應用現狀
在實際應用中，數據脫敏技術通常應用在涉及到個人隱私數據存儲和應用的部分行業領域，因此廣泛應用于政務、金融、電信、互聯網等行業領域。數據脫敏技術的應用目的主要包括兩方面：一是以保護敏感數據安全、實現合法合規為主要目的;二是在達到第一目標的前提下，盡可能地保證數據可用性以及可挖掘價值。
在當前大數據時代，多數涉及到個人隱私數據存儲使用的領域皆不可避免地需要面對數據安全及合規問題。具體來說，在政務領域，由于政務數據平臺往往會掌握身份信息、戶籍信息等大量極為敏感的個人信息數據，需要針對數據采集、傳輸、應用、歸檔等全生命周期進行數據脫敏并同步實施其他數據安全防護手段;在金融、電信等關鍵領域，由于電信客戶的手機號碼、通話記錄、網絡流量等信息以及金融客戶的個人賬戶信息、交易記錄等信息均屬于重要敏感信息，面臨嚴格的行業監管要求，使用數據脫敏技術是實現合規的首選;在數據應用最為廣泛的互聯網領域，大量地使用到了可能會涉及個人隱私的用戶行為數據，從避免違規導致的額外成本角度來看，使用敏感數據時進行數據脫敏處理是重要的前提步驟。
在涉及到大數據分析應用的領域，企業需要在保證數據安全及合規的前提下，依舊能夠保有數據的可用性及可增值性。具體來說，在金融、電信領域，征信、反欺詐、精準營銷等應用場景高度依賴對用戶行為數據等涉及隱私數據的分析挖掘。在互聯網領域，用戶行為數據更是成為企業指導業務增收的重要資源，用戶行為分析、個性化推薦、精準營銷等應用方向成為多數互聯網企業的通用服務手段，相應地分析挖掘應用不可避免。由此可見，在實現數據安全及合規的同時，能夠最大程度上不對數據可用性及可挖掘價值產生破壞的數據脫敏技術是當前的最佳選擇，也切實地實踐在各個行業中。
3.2 數據脫敏技術供應現狀
目前，已有眾多企業已經完成或者正在進行數據脫敏技術的研發，總體上可以將數據脫敏技術的供應商分為信息安全服務供應商、自研自用企業以及通用數據脫敏工具開發商三大類。
3.2.1 信息安全服務商
通常以提供完整安全服務體系解決方案的形式服務客戶，為保證整個安全體系的完整性，往往會將數據脫敏技術視為一個重要技術環節，通過自研或集成第三方企業產品的形式囊括在提供的服務體系或解決方案中，一般服務于金融、電信等行業需要構建整體數據安全體系的企業中。
3.2.2 自研自用企業
主要包括運營商、通信技術服務商、大型互聯網企業等自身擁有具有一定特點的敏感數據保護需求的企業，由于其需求具有一定個性化，同時自身具備一定的研發能力，因此自主量身定制適合自身的數據脫敏工具更為經濟且有效率。
3.2.3 通用數據脫敏工具開發商
致力于進行通用數據脫敏工具研發的企業，通常以某些類別的企業需求為出發點，研發滿足基本數據脫敏需求的工具產品，隨后根據市場情況逐漸完善產品功能，盈利形式包括直接向需求企業出售，或同安全服務商合作，納入其提供的數據安全解決方案。
從數據脫敏技術的供應類型來看，目前靜態脫敏技術已較為成熟，多數數據脫敏技術工具能夠提供較為完善的靜態脫敏能力，差別主要體現在易用性和自動化等方面。而動態脫敏方面，目前仍處于初步發展的階段。
在動態脫敏實現中，一種簡單的實現方案是在請求到目標數據后再進行數據脫敏處理，這種實現方式實際上依舊使得敏感數據從數據源傳輸至了外部;另一種相對復雜的實現方案是對數據請求和返回的過程進行干涉，例如查詢敏感數據所在數據庫時對查詢SQL進行解析，從中識別出敏感數據列并對查詢SQL進行改造，從而直接返回脫敏處理后的查詢結果。這種實現方式一方面需要對查詢過程涉及到的數據源協議進行解析，在非開源的商用數據源中進行協議解析既困難又存在一定的法律風險;另一方面，由于不同數據源之間的查詢協議存在相應差距，這種動態脫敏實現方式難以泛化，只能對于存在需求的數據源類型進行定制化開發，當需求的數據源種類較多時耗時耗力。由于上述原因，目前的動態脫敏技術還存在一定的提升空間，實際應用也遠不及靜態脫敏技術廣泛
3.3 數據脫敏工具產品標準化
數據脫敏的需求仍在不斷增加，市面上的產品也層出不窮，形態各異的產品導致供需雙方的對接依舊存在一些問題。當下數據脫敏工具產品一般通過自主聲明的方式告知客戶產品所具備的基本能力，但缺乏對于產品能力、脫敏程度、脫敏過程安全性等的證明方式，導致企業在采購時難以分辨產品能力是否滿足自身功能需求、脫敏過程是否能夠保證脫敏過程無外泄風險、產品形式及脫敏能力是否符合自身業務場景。解決這些問題的一個方案是推進數據脫敏工具產品相關的標準化工作，根據行業需求、產品特性制定相關技術、過程等標準，通過權威第三方進行產品評估評測，遴選出符合一定水平規范和標準的數據脫敏工具，能夠有效的打消需求方的眾多疑慮，因此相關標準化工作以及基于標準的評估評測工作后續十分值得關注。
在對數據脫敏工具產品進行標準化的過程中，除去數據脫敏技術的核心能力之外，還應當關注工具應提供的其他相關能力，包括敏感數據識別能力、數據源管理能力、工具運維管理能力、安全審計能力以及脫敏算法、規則、策略管理能力。在核心能力方面，可以分為靜態脫敏能力和動態脫敏能力兩部分來分別制定;在靜態脫敏能力方面，重點關注脫敏任務相關的各項能力;在動態脫敏方面，重點關注對于敏感數據訪問的防繞行能力。在基礎功能的考量之外，可以額外從靜態脫敏的數據吞吐量以及動態脫敏的并發數和響應延遲來評估數據脫敏工具的性能。
4 數據脫敏技術發展趨勢
數據脫敏技術已成熟應用于部分領域，但伴隨著脫敏需求的不斷發展變化,仍存在繼續優化演變的方向。后續數據脫敏技術的發展主要呈現出4個趨勢。
4.1 數據脫敏性能提升
數據脫敏需求的首個重要變化便是數據量的不斷增加。隨著信息技術的逐漸深入應用，各企業組織可保有和使用的數據量將呈爆炸性增長，相應需要進行脫敏處理的數據量也會同步提升;另一方面，各依賴于數據分析進行即時反饋調整的數據應用，對于數據的實時性需求愈加強烈，在涉及到敏感數據的實時應用中，即時或短時間內完成大量數據的脫敏處理需求將會逐漸增多。數據量及響應時間兩方面的需求變化共同指向了更高性能的數據脫敏技術這一發展方向。
4.2 非結構化數據脫敏
數據脫敏需求的第2個變化來源于大數據時代的數據多呈非結構化這一特點。相對于傳統通過關系型數據庫存儲的結構化數據，在時下被存儲和應用的數據中，圖片、視頻、音頻、文本等非結構化數據占比不斷提升。眾多智能化數據應用中對于涉及個人隱私的非結構化數據的使用挖掘愈加常態化，原本主要針對于結構化數據的脫敏處理技術將遠遠無法滿足需求，針對于各類非結構化數據的脫敏處理技術后續將成為重點發展方向。
4.3 智能化數據脫敏
數據脫敏需求的第3個變化由數據量和數據類型的增多衍生而來。當數據的維度和種類不斷膨脹時，通過用戶指定數據脫敏策略，手動綁定待脫敏數據及脫敏規則和算法的方式將顯得效率十分低下。使用者的人工工作量需要被進一步減少，因此已有部分企業在脫敏工具產品中實現了敏感數據自動識別發現等便利化功能。后續通過應用機器學習等技術，結合各類數據分類分級規則及已實際使用的數據脫敏策略及規則，實現自動化實時敏感數據發現、自動化脫敏規則匹配等智能化數據脫敏技術，將成為受人期待的發展方向。
4.4 數據脫敏技術的合規應用
數據脫敏需求的第4個變化來源于相關政策的不斷收緊。隨著國內外對于個人隱私數據保護相關的法律法規不斷出臺，近年來頻發的數據泄露事件，以及針對違規使用用戶隱私數據企業的處罰時有發生，共同敦促著企業將數據合規視為當下的首要任務。后續針對于企業對于個人信息使用的法規將愈加復雜并具有針對性，企業合規的人力實施成本將不斷攀升。通過將數據脫敏技術同各類相關法律規范、企業相關業務相結合，實現企業業務流程中對于敏感數據的使用處處合規，形成直接實現業務合規化的數據脫敏產品，將有效改善這一合規問題，后續十分值得探索。
5 結束語
本文對數據脫敏技術的應用背景、技術發展現狀、應用及產品現狀進行了梳理和闡述，在參考當前行業應用情況的前提下總結了數據脫敏技術未來的四大發展趨勢。同時，從數據脫敏工具產品的角度歸納了當前進行數據脫敏技術研發供應的3 類供應方，在進一步分析中說明了數據脫敏工具產品標準化及評估評測工作的重要性，并提出了相應標準化工作的主要方向。
數據脫敏技術在未來的一段時間，始終會是一種非常主流且常用的數據安全技術。隨著新的更為復雜的脫敏需求不斷產生，數據脫敏技術也會隨之不斷演化發展，數據脫敏工具產品市場也將更加廣闊。因此，相應的標準化工作將更為重要，成為在技術不斷提升的同時不可忽略的配套工作。
