安华金和创始人兼总裁刘晓韬：我们不要再谈脱离了“使用”的数据安全问题
数据安全治理目标旨在强调数据的安全使用。我们不谈脱离了“使用”的数据安全，数据存在的价值就是为了使用，为了实现数据的安全使用，数据安全治理需要满足数据资产梳理、数据使用管控以及数据治理稽核三个方面。
本文为数据猿推出的大型“金融大数据主题策划”活动（查看详情）第一部分的系列征文/案例；感谢 安华金和创始人兼总裁刘晓韬 先生的投稿
作为整体活动的第二部分，2017年6月29日，由数据猿主办，上海金融信息行业协会、互联网普惠金融研究院合办，中国信息通信研究院、大数据发展促进委员会、上海大数据联盟、首席数据官联盟、中国大数据技术与应用联盟协办的《「数据猿·超声波」之金融科技·商业价值探索高峰论坛》还将在上海隆重举办【论坛详情】【上届回顾（点击阅读原文查看）】
在论坛现场，也将针对本次主题活动的投稿人，颁发“最佳商业洞察者”、“数据猿专栏最佳作者”两大类人物奖
来源:数据猿 作者：刘晓韬
本文长度为2700字，建议阅读5分钟
金融业作为典型的数据驱动行业，其数据价值，不言而喻——对于金融机构本身而言，数据已成为预警和规避业务风险、提高资产质量、扩大利润空间和提升核心竞争力的关键。对于外部黑客，金融数据意味着巨大财富。
近年来，我国各类金融业务持续创新，普惠金融、P2P、移动支付等。可以说，金融业当属国内运用信息化技术进行全面管理的最为成熟行业，数据流转庞大，数据的集中化管理在提高金融机构整体运作效率的同时，也遭受风险的集中和数据大量泄密等安全事件的干扰。
在与业界银行、保险等多家金融机构用户沟通过程中，安华金和发现加强信息资产保护，管理创新和全面风险管理，特别是合理利用和有效保护数据，实现数据安全治理，是金融用户关注及亟待解决的难题。
如何在互联网+信息化+金融数据一体化的形势下，安全有效的利用与驾驭数据呢？笔者提出金融行业数据安全治理思路，作为本文探讨的核心内容。
一．数据安全治理思路
数据安全治理是以数据的安全使用为目的的综合管理理念，是数据应用的基石和关键。以资产的角度来管理数据，让数据对内发挥作用，对外产生效益，同时保证数据资产的安全。
在这里，数据安全治理目标旨在强调数据的安全使用。我们不谈脱离了“使用”的数据安全，数据存在的价值就是为了使用，为了实现数据的安全使用，数据安全治理需要满足数据资产梳理、数据使用管控以及数据治理稽核三个方面，具体技术实现体现于：
数据资产梳理：梳理数据资产分布，梳理敏感数据分布，分级分类敏感数据，统计数据资产所有者，识别数据（尤其敏感数据）使用者权限、识别数据库风险等。
敏感使用管控：业务访问管控、运维访问管控、测试开发管控、数据存储安全等。
数据治理稽核：行为审计与分析、权限变化监控、异常行为分析、建立安全基线等。
二．数据资产梳理
数据安全治理是数据应用的基石，而数据资产梳理又是数据安全治理的基石。如果不能清晰的掌握数据资产现状，成千上万的业务系统和数据库分布在哪里，哪些是敏感数据，这些数据的在流传过程中的使用特征是怎样的。
在数据不明，密级不清，权限不详的前提下，盲目建立起来的一切管理制度、使用规则、安全体系都将是先天存有漏洞的，将会对数据的正常使用造成非常大的阻碍。对此，安华金和提出针对数据，进行安全梳理。数据梳理包含两部分内容，一部分是对数据资产的梳理与定位、一部分是识别数据的安全风险。
2.1数据资产梳理与定位
静态梳理：识别金融业务数据存储在数据库中的资产分布，对存量数据资产位置、数量及类型进行梳理；
动态梳理：新产生的金融业务数据，及过程使用情况的动态梳理，分析出这些数据使用热度，根据热度情况区分热度资产以及静默资产；
权限梳理：根据数据资产被哪些部门、系统、人员使用，进行梳理，梳理内容需要区分主、客体访问权限。
2.2安全风险扫描
数据库是数据资产的载体，其本身的坚固程度、安全隐患会直接影响数据资产的安全，所以识别数据库的安全风险是数据资产梳理中非常必要的一环。
识别内容包含系统漏洞、弱安全配置、弱口令，账号权限、高危程序等，并对风险进行修复，提高数据资产载体的坚固性。
三．数据使用管控
数据使用管控是数据安全治理的深入开展，针对数据使用的不同方面，需要完成对数据使用的原则和控制策略。防御从应用侧、运维侧或其他角度访问、使用数据资产时所产生的风险，确保数据在业务访问过程中的安全、运维管理安全、测试开发安全、数据分发安全、数据存储安全。
3.1业务访问管控
针对业务系统访问数据资产的安全风险，进行管控。从业务应用侧发起的访问中会包含非法用户的攻击行为，业务访问管控需要做到SQL注入防护、漏洞攻击防护，以阻止非法用户攻击数据库。
3.2运维访问管控
针对运维人员访问数据资产的安全风险进行管控。运维人员拥有操作数据库的高权限账号，对此类型人员需要进行细粒度的访问控制，遵循“最小权限”原则，分离账号权限，杜绝运维人员进行越权、违规操作。并且对运维人员建立高危操作的审批流程管理，实现敏感数据的运维或者高危运维操作的可管可控。
3.3测试开发管控
针对数据在测试、开发、培训等环节的安全风险管控。在将生产数据交给测试部门、开发等部门使用时，必须对其敏感信息进行脱敏、变形，既要保障数据可用，又要保障开发人员获取的数据不包含任何敏感信息。
3.4数据分发安全
针对数据分发过程进行跟踪，通过数据水印技术，确保数据泄露行为发生后，可对造成数据泄露的源头进行回溯，追根溯源。
3.5数据存储安全
保障数据存储于数据库中的安全。数据资产处于存储状态时，其中的敏感数据要进行加密，保证敏感数据资产的保密性，并且针对加密数据资产的访问进行权限控制，从而实现对数据存储的安全防护。
四．数据治理稽核
将数据资产的使用情况进行审计分析，并根据分级结果形成安全基线报告，定期稽核是保证数据安全治理规范性的关键。
4.1行为审计与分析
全面记录数据资产的访问及使用情况，根据记录的信息进行安全行为审计，内容包含登录、操作、执行结果等，并可以根据审计内容进行风险发现，发现操作中包含的SQL注入、漏洞攻击、风险操作、敏感信息等内容，以便于识别恶意访问行为。
4.2权限变化监控
对数据资产操作者的权限进行安全监控，监控数据资产操作者的权限及变化，以便于充分了解数据资产操作者的权限状态。
4.3异常行为分析
对操作数据资产的所有行为进行统计分析，分析操作行为中是否包含异常行为，如出现执行高危操作、超批量操作、风险操作等行为时，进行及时分析并告警给安全管理员。
4.4建立安全基线
分析数据资产使用过程中的操作行为、风险情况、权限变化以及异常行为等存在的安全风险，通过分析结果建立数据资产安全管控模型，模型包含账号、IP地址、访问权限、客户端工具、时间、操作类型等安全内容，对数据资产的大数据分析建立安全基线。
作者简介：
刘晓韬（笔名石川），北京安华金和科技有限公司 总裁，公司创始人，公司法人，南开大学博士肄业。原为某国产数据库厂商研发副总裁，十余年数据库内核产品研发与推广经验。曾领导国产通用数据库、国产分析型数据库、国产内存数据库产品的产品研发与推广。参与国家核高基项目；我国金盾工程目录服务标准制定、安标委安全目录服务标准制定、中国数据库标准制定等多项产业化项目主持工作。
数据猿超声波
「2017金融科技商业价值探索高峰论坛」
（点击图片，了解详情）