文章摘要：大数据时代，数据是基础，业务是核心，数据安全则必然需要与业务形态有所关联，因此，数据安全和边界类的网络安全正逐渐划分开来。自2017年6月网安法实施以来，配套的法律法规也陆续出台，要求越来越高，力度越来越大，加之正在制定的《数据安全法》和《个人信息保护法》，数据安全已成为数字化转型的必要基础能力。从整体信息化的发展来看，数据安全被重视相对是滞后的，大多行业都是信息系统已经运行了好多年，基于此开展数
大数据时代，数据是基础，业务是核心，数据安全则必然需要与业务形态有所关联，因此，数据安全和边界类的网络安全正逐渐划分开来。自2017年6月网安法实施以来，配套的法律法规也陆续出台，要求越来越高，力度越来越大，加之正在制定的《数据安全法》和《个人信息保护法》，数据安全已成为数字化转型的必要基础能力。
从整体信息化的发展来看，数据安全被重视相对是滞后的，大多行业都是信息系统已经运行了好多年，基于此开展数据安全相关工作，难度还是很大的。尤其是行业里针对高敏感数据的管控，例如明星数据、高级别领导数据、高管数据等，这些数据与普通人员的数据一般是混在一起的，全量管控会影响业务的便捷性，若不管控，一旦发生泄露，对企业的损失会非常大。
现有高敏感数据管控方案解析
进入大数据时代后，数据价值越来越高，受利益的驱使，类似事件时有发生。那么，针对这类高敏感人员的信息我们该如何加强管控?就此事，我们通过走访调研了多家数据安全厂商，收集到了三个方案，并进行了弊端分析。
方案一：单独再部署一套文件保密系统应用，例如“洞察眼MIT系统保密系统”，这样可以将高敏感数据和普通敏感数据进行隔离，有针对性的进行保护，由专门的团队进行维护，缩小数据使用的范围。
实现对企业内部文件进行强制加密保护，文件数据只能在授信环境内流转使用；一旦被私下传输带离企业环境，将无法打开使用，显示为乱码；这也是从数据源头保护企业数据安全。
方案二：对高敏感数据进行打标，在数据生成的时候对数据进行敏感级别判定，并做打标处理，这样可以很清晰地道哪些是高敏感数据，可以有针对性的授权，加入一些数据加密或数据脱敏的安全手段，当数据被使用时通过敏感标识来采取相应的安全技术手段予以保护。
很明显，这个方式不会造成重复投入，投入成本相比也会低很多，做好权限管控的话，高敏感数据还是可以向外共享的。但该方案会导致应用系统改造量大,数据生成时需要判断，授权时需要单独处理，使用时需要进行数据加密或数据脱敏处理，这些改动的工作会很大，甚至会改动顶层设计;
另一方面，高敏感数据与普通敏感数据一样，有很多使用场景，例如：数据更新、删除、分析、校验、查询等，这些场景都会接触到高敏感数据，采用这种方案会影响数据的便捷使用;
还有就是由于逻辑复杂，会造成明显的性能损耗。敏感数据的每次使用都需要进行判断，看是普通数据、普通敏感数据
、还是高敏感数据，判断后还需要调用相应的安全接口对数据进行处理，当数据访问峰值出现时，可能会造成宕机;
另外，为保证安全，降低泄露风险，需要对高敏感数据进行数据加密和数据动态脱敏处理，这样更加重了性能的损耗和数据使用的便捷性。
方案三：对高敏感数据进行匿名化处理，匿名处理后的数据不影响使用，同时也很好的对高敏感数据进行保护，为了保证匿名后的数据在需要时可以再逆向回原始数据，可以将对应关系进行保留。
还有就是这样做会影响数据价值发挥，匿名化后的数据可以很好的防止泄露，但也阻碍了数据的应用，一些有针对性的服务功能将很难实现，如果每次都进行逆向处理，频繁的对数据进行逆向处理，还是会增加泄露的概率。
从源头探寻高敏感数据“隐身”之道
以上三种方案都是从如何管控入手，虽然存在一些弊端，但还是可以起到很大作用的。我们不妨换个思路，将高敏感数据隐藏，让使用者不知道高敏感数据的存在，顺着这个思路，我设计了一下方案：
首先，重定向数据库，让应用系统不直接访问数据库，需要先访问协议解析工具，协议解析工具对访问协议进行解析，得出“谁想访问哪些数据，要做什么”。然后，将协议解析出来的结果与高敏感数据特征进行比对，确认该用户是否可以访问，若不可以访问，则通过改写返回结果的协议将高敏感数据剔除;若可以访问，则不予处理，直接放行。
另外，在这个过程中，需要产生两张数据表，分别是高敏感数据特征表和有权限的用户表，这两张表对于安全管控至关重要，出于安全考虑，应专人专岗负责，且内部不要公开，知道的人越少，安全系数越高，管理员定期录入和更新表中的数据即可。
结合上述内容，加入产品化的思维，与原有的数据使用逻辑结构进行对比
如上图所示，采用这种方式可以做到应用零改造，对原始数据没有造成破坏，投入成本也相对较低，虽然对访问的性能还是造成了一定的损耗，但防护效果还是很明显的。
有的放矢，方法实践初尝试
无感知管控中最核心的奥义是让使用者不知道高敏感数据的存在，如若数据能“隐身”，将直接解决无感知管控的核心问题。下面我们以数据查询为例，看下改造后的流程如何让数据隐身：
整个流程的推演首先要有一个前提，需要将应用系统中配置的数据库IP改成协议解析工具的IP，协议解析工具变成了数据库的前置代理，协议解析工具需要配置目标数据库的IP。然后就是具体的处理过程，大致可分为三个阶段：
数据查询请求阶段
1) 用户可以通过web端或移动端通过应用系统提供的操作界面申请查询数据，用户可以是数据管理者、数据运维工程师、客服人员等;
2) 应用系统接收到请求后，先进行用户身份认证，若符合规则则应用系统生成SQL语句，再将用户信息和SQL语句等信息组成数据库访问协议，并发送到协议解析工具;
3) 目标数据库接收到访问协议后，进行处理，此步的处理由数据库本身完成，处理完成后将结果返回;
“隐身”处理阶段
4) 数据库访问协议解析工具获取到返回协议后(这里指的是带有数据库返回结果的返回协议)，开始解析，首先对协议中的内容进行可读拆分，即拆分成“key-value”的形式，再对这些信息进行检索，获取到用户信息(用户信息一般是用户的唯一性标识，例如：User ID)和结果集;
如果结果集中涉及到了高敏感数据，则需要进行权限判断，将用户的User ID在高敏感数据特征库中的用户权限表中进行遍历查询，如果未查询到了该用户的User ID，或者查询到了但发现没有查询的权限，则需要对该结果集中的高敏感数据进行剔除，将特征库中标识出来的高敏感数据剔除掉，然后将改写后的结果集编写成报文，返回给应用;
结果返回阶段
5) 应用系统接收到结果集，进行展现处理;
6) 用户在web端或移动端通过应用系统提供的操作界面看到了想要查询的数据，本次数据查询操作结束;
效果展示：
通过处理，没有高敏感数据访问权限的用户是查询不到的，甚至不知道高敏感数据的存在。另外，由于这种方式没有对应用系统和数据库进行改造，对于开发人员、运维人员和数据库管理员这类数据权限较高的角色，是不知道已经做过安全防护的，转移了其对高敏感数据的注意力，从根本上降低了数据泄露的风险。
纵观产业发展，数据已成为国家和各行各业的战略性资源，随着《网安法》、《数安法》、《个人信息保护法》等相关法律法规的不断颁布与实施，可见国家对数据安全的重视是空前的。数据可以让我们更好地受生活，但不当的使用也会给我们带来巨大的麻烦，因此，我们需要不断的进行数据安全建设的投入。
安全无绝对，数据安全管控其实是让数据能够“遵规守序”。对于高敏感数据的安全管控方案的选择和设计，是没有终点的，随着安全技术的不断演进，新技术的不断创新，防护方法也会不断变化，相信不久后，会有更优的高敏感数据管控方案被设计出来。[云鼎实验室 | 嘶吼网]
