敏感数据访问技术面临哪些挑战

在敏感数据访问技术方面，细分至五个方面的挑战：

• 如何将敏感数据访问的审批在执行环节有效落地：对于敏感数据的访问、对于批量数据的下载要进行审批制度，这是数据治理的关键；但工单的审批若是在执行环节无法有效控制，访问审批制度仅仅是空中楼阁。

• 如何对突破权控管理的黑客技术进行防御：基于数据库的权限控制技术，在基于漏洞的攻击的基础上将很容易被突破。

• 如何在保持高效的同时实现存储层的加密：基于文件层和硬盘层的加密将无法与数据库的权控体系结合，对运维人员无效，如何实现存储加密、权限控制和快速检索的整体解决，是这一问题的关键，只有这样的存储加密才能保证安全的同时数据可用。

• 如何实现保持业务逻辑后的数据脱敏：对于测试环境、开发环境和BI分析环境中的数据需要对敏感数据模糊化，但模糊化的数据保持与生产数据的高度仿真，是实现安全可用的基础。

• 如何实现数据提取分发后的管控：数据的共享是数据的基本使用属性，但数据的复制是没有痕迹的；数据分发后如何保证数据不会被流转到失控的环境，或者被复制后可溯源，这是数据提取分发管理的关键。

可以通过以下方案将敏感数据进行脱敏：

• 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，使其不再具有利用价值。一般采用特殊字符代替真值，这种隐藏敏感数据的方法简单，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。

• 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的。

• 数据替换：数据替换与前边的无效化方式比较相似，不同的是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。

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

• 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。

• 偏移和取整：这种方式通过随机移位改变数字数据，偏移取整在保持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。