数据脱敏的实现方式有哪些？

目前市面上有两种，1、 使用脚本进行脱敏，很多用户在信息化发展的早期，就已经意识到了数据外发带来的敏感数据泄露的风险，那时候用户往往通过手动方式直接写一些代码或者脚本来实现数据的脱敏变形，比如：简单的将敏感人的姓名、身份z号等信息替换为另一个人的，或者将一段地址随机变为另一个地址。

2、使用专业的数据脱敏产品进行脱敏，随着各行业信息化管理制度的逐步完善、数据使用场景愈加复杂、脱敏后数据仿真度要求逐渐提升，为保证脱敏果准确而高效，专业化的数据脱敏产品逐渐成为了用户的普遍选择。相比传统的手工脱敏方法，专业的脱敏产品除了保证脱敏效果可达，更重要的价值点在于提高脱敏效率，在不给用户带来过多额外工作量的同时，最大程度节省用户 *** 作时间。

安华金和数据脱敏产品2015年就已经面市，已经协助各行业用户去做数据脱敏，具体可以找他们聊聊。百度上面有这方面的信息。

为尽量避免经我们手的用户信息数据泄漏，从而提及到互联网中内部防止隐私数据泄露的手段： 数据脱敏

先来看看什么是数据脱敏？数据脱敏也叫数据去隐私化，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 、 yhk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

想政府、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，如果泄漏后果是不可估量的

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，商家账户信息会备用 * 遮挡，保障了商户隐私不泄露，这是一种数据脱敏方式

数据脱敏有分为静态数据脱敏（ SDM ）和动态数据脱敏（ DDM ）

静态数据脱敏（ SDM ）：适用于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

如图所示：将用户的真实 姓名 、 手机号 、 身份z 、 yhk号 通过 替换 、 吴小华 、 乱序 、 对称加密 等方案进行脱敏改造

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，列如：不同角色、不同权限所执行的脱敏方案也不用

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

数据脱敏的方式有很多种，接下来一下数据为准

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，使其不在具有利用价值。一般采用特殊字符（ * 等）代替真值，这种隐藏敏感数据的方式简单，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

比如我们将身份z号用*替换真实数字就变成了"220724 ****** 3523"，非常简单

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

以 name 和 idnumber 字段进行随机化脱敏，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

3、数据替换

数据替换与1的无效化方式比较相似，不同的事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”

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，密文格式与原数据在逻辑规则上一致，通过密钥解密可以恢复原数据，要注意的就是密钥的安全性

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

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

6、偏移和取整

这种方式通过随机移位改变数字数据，偏移取整在保证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

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

---