數據脫敏是指從原始環境向目標環境進行敏感數據交換的過程中，通過一定方法消除原始環境數據中的敏感信息，并保留目標環境業務所需的數據特征或內容的數據處理過程。既能夠保障數據中的敏感數據不被泄露又能保證數據可用性的特性，使得數據脫敏技術成為解決數據安全與數據經濟發展的重要工具。
01數據脫敏說明
數據脫敏也叫數據的去隱私化，在我們給定脫敏規則和策略的情況下，對敏感數據比如 手機號、銀行卡號 等信息，進行轉換或者修改的一種技術手段，防止敏感數據直接在不可靠的環境下使用。像政府、醫療行業、金融機構、移動運營商是比較早開始應用數據脫敏的，因為他們所掌握的都是用戶最核心的私密數據，如果泄露后果是不可估量的。數據脫敏的應用在生活中是比較常見的，比如我們在淘寶買東西訂單詳情中，商家賬戶信息會被用 * 遮擋，保障了商戶隱私不泄露，這就是一種數據脫敏方式。數據脫敏又分為靜態數據脫敏（SDM）和 動態數據脫敏（DDM）
02靜態數據脫敏
靜態數據脫敏：適用于將數據抽取出生產環境脫敏后分發至測試、開發、培訓、數據分析等場景。靜態脫敏是將數據抽取進行脫敏處理后，下發至測試庫。開發、測試、培訓、分析人員可以隨意取用測試數據，并進行讀寫操作，脫敏后的數據與生產環境隔離，滿足業務需要的同時保障生產數據庫的安全，靜態脫敏可以概括為數據的“搬移并仿真替換”。這樣脫敏后的數據與生產環境隔離，滿足業務需要的同時又保障了生產數據的安全。
上圖所示，將用戶的真實 姓名、手機號、身份證、銀行卡號 通過 替換、變形、無效化、亂序、格式保留加密、對稱加密 等方案進行脫敏改造。
03動態數據脫敏
動態數據脫敏：一般用在生產環境，訪問敏感數據時實時進行脫敏，因為有時在不同情況下對于同一敏感數據的讀取，需要做不同級別的脫敏處理，例如：不同角色、不同權限所執行的脫敏方案會不同。動態脫敏能夠對生產庫返回的數據進行實時脫敏處理，確保返回數據可用而安全。例如應用需要呈現部分數據，但是又不希望應用賬號可以看到全部數據；運維人員需要維護表結構，進行系統調優，但是不希望運維人員可以檢索或導出真實數據，動態脫敏可以概括為“邊脫敏，邊使用”。動態脫敏通過準確的解析SQL語句匹配脫敏條件，例如：訪問IP、MAC、數據庫用戶、客戶端工具、操作系統用戶、主機名、時間、影響行數等，在匹配成功后改寫查詢SQL或者攔截防護返回脫敏后的數據到應用端，從而實現敏感數據的脫敏。實際上存儲于生產庫的數據未發生任何變化。
04數據脫敏方案
數據脫敏系統可以按照不同業務場景自行定義和編寫脫敏規則，可以針對庫表的某個敏感字段，進行數據的不落地脫敏。
數據脫敏的方式有很多，下面介紹幾種脫敏方法
無效化方案在處理待脫敏的數據時，通過對字段數據值進行 截斷、加密、隱藏 等方式讓敏感數據脫敏，使其不再具有利用價值。一般采用特殊字符（*等）代替真值，這種隱藏敏感數據的方法簡單，但缺點是用戶無法得知原數據的格式，如果想要獲取完整信息，要讓用戶授權查詢。
隨機值替換，字母變為隨機字母，數字變為隨機數字，文字隨機替換文字的方式來改變敏感數據，這種方案的優點在于可以在一定程度上保留原有數據的格式，往往這種方法用戶不易察覺的。我們看到 name 和 idnumber 字段進行了隨機化脫敏，而名字姓、氏隨機化稍有特殊，需要有對應姓氏字典數據支持。
對稱加密是一種特殊的可逆脫敏方法，通過加密密鑰和算法對敏感數據進行加密，密文格式與原始數據在邏輯規則上一致，通過密鑰解密可以恢復原始數據，要注意的就是密鑰的安全性。
平均值方案經常用在統計場景，針對數值型數據，我們先計算它們的均值，然后使脫敏后的值在均值附近隨機分布，從而保持數據的總和不變。
對價格字段 price 做平均值處理后，字段總金額不變，但脫敏后的字段值都在均值附近。
這種方式通過隨機移位改變數字數據，偏移取整在保持了數據的安全性的同時保證了范圍的大致真實性，比之前幾種方案更接近真實數據，在大數據分析場景中意義比較大。
