数据安全面面观
1. 背景：有数据安全才有数据未来
随着数据在人们的日常生活中扮演着愈发重要的作用，数据安全也面临诸多挑战。随意上网搜索，大量的安全事件触目惊心。下面仅收集来自2020年上半年的部分事件。
中国电信超2亿条用户信息被卖
传微博5.38亿用户数据在暗网出售
青岛胶州中心医院6千余人就诊名单泄露
江苏警方侦办案件5000多万条个人信息在“暗网”倒卖
郑州某民办高校近两万名学生信息遭泄露
国外的情况，同样不容乐观。
化妆品巨头雅诗兰黛云泄露4.4亿条邮箱记录
国泰航空泄露940万乘客资料，被罚款500万港币
某英国安全公司云泄露50亿条安全记录
2.67亿个Facebook帐户信息在暗网出售
泰国移动运营商AIS云泄露83亿条互联网记录
在上述安全事件中，来自恶意网络攻击、人为错误和系统故障占主要因素。根据来自2019年一份调查显示，数据泄露的平均生命周期为279天，即在事件发生后企业平均需要206天才能发现，另需73天才能控制住事件发展态势。正是面对如此严峻的安全形势，各界纷纷出台了很多数据安全法规。例如：ISO2718-公有云个人信息保护、GDPR-欧盟个人数据保护法案等。让我们从最为常见的等保，看看对数据安全的要求。
从上述内容看出，等保对数据存储、传输、访问等环节做了相关约定。
2. 数据安全生命周期
如上面所谈，数据安全面对种种威胁，如何构建完善的数据安全体系，实现从端到端的数据安全就至关重要。这就谈到数据的安全生命周期概念，从数据的产生、使用、直到销毁全流程都需要贯彻一定的安全策略。正所谓短板效应，需要堵住最薄弱的一环。
❖ 数据分级
对不同等级的数据采取不同的安全策略，是通常的做法。毕竟采取不同的安全策略是需要花费成本的。如果在最大程度保护数据与实际付出成本之间找到一种平衡，对数据进行安全分级非常必要。可以说数据分级，是后续所有安全措施的基础条件。如下表就是通过对数据的影响对象、影响程度、数据特征做描述后，给出最低的安全建议级别。
而什么样的数据属于何种安全等级，可以通过下表示例给出些参考。
在实际操作层面，数据分级是比较头疼的问题，一般不会在建模阶段就定义好安全等级，往往只能通过后天标注的方式完成。当然现在有一些手段，通过对数据采样分析来判定数据等级。
❖ 权限分离
对数据操作进行有效的安全管控，另一个前提就是职责分离。对数据的不同访问，设置不同的职位。进一步扩展，可提供“三权分立”的能力，限制数据库管理员对数据的访问等。并进一步根据划分的职位，从访问源端、访问时间、如何访问等做出种种约束，进而形成安全策略落地。
❖ 数据屏蔽
数据屏蔽，是指通过诸如视图、动态改写等手段，控制用户对数据的访问。通常所说的行列级权限控制就是这个意思。
❖ 存储加密
存储加密，是指将存储于数据库中对的数据以加密的形式进行存储。目前比较推崇的方式是透明加密。所谓透明的数据加密(TDE)，是指对库内的数据加密和解密，对于数据库的程序完全无感知。特别是应用系统，不需要做任何修改就可以直接应用到加密后的数据库上。在数据加密上，存在几个难点：一是密文数据依然需要提供索引等数据库增强访问能力；二是不影响数据库自身的数据库恢复、备份、同步等操作；三是需同步保证访问效率。
❖ 访问加密
数据库访问加密，分为几种情况。一种是数据库访问配置信息（如用户名、口令等）的加密；一种是数据库访问本身在传输协议层面的加密。
❖ 数据库防火墙
数据库防火墙，可以说筑起了数据库的最外部的防线。其通常有两种部署模式：串联与并联。前者是指安装在应用端与数据库服务器之间，实现对数据库访问的检测和高危操作的实时阻断；后者则是以旁路的形式接入，实现数据库操作的实时安全审计和支持时候追踪。在具体防范上，可针对谁Who，在什么时间When，从哪里Where，用什么方式How，对数据库做了什么What进行控制。在具体技术实现上，可通过对访问数据包的解析还原，准确定位到连接来源、用户信息、时间、操作类型、操作语句、返回结果等信息。
❖ 数据脱敏
数据脱敏是指通过专门的脱敏算法对敏感数据进行变形、屏蔽、替换、随机化、加密；将敏感数据转化为虚拟数据，隐藏了真正的隐私信息。同时还可以保障脱敏数据之间的一致性、关联性，为数据的安全使用、共享访问提供基础保障并最终实现企业低成本、高效率、安全地使用隐私数据。在实现形式上，可分为静态脱敏和动态脱敏。后者更为灵活，可直接对数据进行脱敏操作。
❖ 操作审计
数据库审计是指通过有效监控数据库访问行为，掌握数据库整体安全状况。除了在事中可以通过审计完成告警、记录、防御、阻断（在防火墙中）外，在事后可通过审计完成安全事件的定位分析、事后追查取证，保证数据安全。
❖ 溯源分析
通过对日志（包括但不限于审计日志）进行进一步挖掘，可分析数据库中存在的安全漏洞、风险等级。对于暴露出的问题可事前进行安全加固，发生的安全事件，可进行追踪溯源和责任认定。