美创CTO周杰：如何保护流动的数据

不知道你们有没有这种感觉，一堆骚扰、推销电话时常扎堆打过来，清净一段时间后，又开始如被鞭尸般捞起来继续被“骚扰”。

让人有种恍如隔世的感觉：我的信息到底是在哪个环节泄露的？

住过万豪酒店的朋友们应该能体会雷锋网 (公众号：雷锋网) 编辑的这种想法，2018 年 3.83 亿预订喜达屋酒店客户的详细个人信息遭到泄露。今年 7 月，这家公司被英国罚款 1.24 亿美元。

毕竟 1.24 亿美元的罚款也不会被平分给这些被泄露信息的受害者，说来也没什么可高兴的。它只发出了一个严重警告的信号：出来混，泄露信息，是要挨罚的。

听起来有点严重，前阵子，中国一些涉及非法爬虫业务的所谓“大数据风控”企业日子不好过，被抓的传闻四起，这两天的一个消息是，江苏淮安警方依法打击了 7 家涉嫌侵犯公民个人信息犯罪的公司，涉嫌非法缓存公民个人信息 1 亿多条，其中，拉卡拉支付旗下的考拉征信涉嫌非法提供身份证返照查询 9800 多万次，获利 3800 万元。

因此，考拉征信服务有限公司及北京黑格公司的法定代表人、董事长、销售、技术等 20 余名涉案人员被警方一起带走了。

看上去，这些“主动”把个人信息拿来赚钱的企业果然没有好下场。但对“被动挨打”也要认，被人盯上数据的企业就只能浑浑噩噩过日子了吗？

并不是。 按照一个朴素的道理，如果一个人抱着金银珠宝上街，起码也要配备一两个保镖，如果是拍卖公司运货，可能配上的是一个安保公司全方位的服务。

当然，还有一些本来就有钱有势的“大富豪”，可能直接出手成立一家专为自己服务的安保公司。

这种朴素的理念映射到现代企业保护自己的各类数据或者数据库，也很好理解： 有钱有人的大公司自己有安全部门、安全人员，甚至自己研发了保护工具，一般企业还是购买专业方案，也就是购买“安保公司的服务”。

由于对数据的保护实在迫在眉睫，一家专业数据“安保公司”美创甚至将之前主打的“数据库安全”增长到“数据安全”，他们做出这个决定是在两年前。

为什么会有这种变化？保护数据的思路应该是什么样？雷锋网与美创公司的 CTO 周杰聊了聊。

口述：周杰 | 整理：李勤

关于打法：数据安全厂商的不同

我所指的数据安全是指要防止数据被恶意泄漏，或者是被恶意拖库、撞库、弄坏、被加密等。数据库防火墙、数据库审计、防水坝、加解密、防勒索、业务安全审计、脱敏等肯定是我们的主流产品，当然，灾备也不可能丢掉，任何系统都需要做灾备，灾备严格来讲也属于安全产品。现在线下迁移到线上，上云的态势很猛，异构的数据库迁移产品很重要。

不过，有些公司对数据安全的理解就等同于只有数据库灾备，我理解的是，就算你只用灾备产品，也不应局限在数据库灾备上，它应该是全业务的灾备。

比如，一个企业可能除了主系统，还有很多微服务，应用系统宕机后，切换是很困难的，如果有100个微服务，备份顺序如何？是否能实时备份？这是很复杂的情况。

国内很多数据安全厂商是从传统安全厂商转型而来，他们的防护理念是从外到内的，他们从黑客的角度出发想问题，并没有明确的保护对象，是在梳理攻击者的攻击路径，保护程度可能比较浅，从 IP 到端口就完了。没有实时阻断，可能只有旁路阻断，实际上旁路阻断是伪命题，它不可能实现100%阻断，流量一大，肯定无法阻断危险操作。

我们的思路是从内而外出发，有明确的保护对象，也就是数据。

我们首先会定义“有什么东西”，梳理核心资产，从保护对象出发，可以精确了解攻击方式，从而缩小攻击面。比如，对一个数据库的破坏有哪些形式？用勒索病毒加密、物理拷贝、 通过 SQL 语句删除数据或窃取数据等。

除了缩小攻击面，还要尽量隐藏攻击面。

比如，MySQL 的默认连接端口是3306，如果把 MySQL 的 3306 端口变成了 3308，就可以在黑客撒网式批量扫描过程中增加一些免疫的效果，虽然只是一点点，但它是有作用的。如果我们的敏感资产不会被发现，自然受攻击的可能性大大减小。

我们还可以在 3306 的端口上放个陷阱，模拟 MySQL，把攻击流量引入陷阱，用于来分析或定位黑客。

很多厂商的思路是，“漏报”比“误报”好，如果当下对一个“威胁”不能确定，会先放过，等问题上报、分析、检测这一套漫长的运营流程下来后，事情就可能已经发生了，伤害已经造成，要有什么效果也只能等到下一次。

面对核心资产，不能放过任何一个危险操作。美创的理念还是实时阻断，采取动态的策略，知白守黑。好人是可被穷尽的，坏人是不可被穷尽的。

比如，做 PDF 防篡改，能够编辑 PDF 的软件有多少？95% 的企业用的都是同一种，我们只要做出一个画像，确定了关键指标，别人想伪造这个软件也很难，只有具有合法身份的访问才被允许。

关于用户：上安全是否影响业务

安全要上马，对用户来说，也不是一件容易的事情。

我们在和用户交流中，常常发现他们有这样的疑虑：上了安全系统是否会影响业务系统？业务系统可能在 99% 的时间保持工作状态，安全系统可能是在 1% 的时间里抵御攻击，所有的安全系统都是为了保障业务的正常进行，不能上了一套系统把业务搞瘫了。

所以，我们研究数据安全防护必须尽量取得平衡。

首先，安全策略要尽可能动态化，减少对用户正常工作的打扰。引入自学习，让策略更加聪明。

其次，当安全系统真出现异常的时候，让安全系统从串行变成旁路，保证业务系统正常运行，让业务系统先好好干活，稍微闲余时再抓包分析。

关于数据：流动中的全链路防护

我们始终认为，安全应该是一个防护链，而不是某个点。

在数字化转型的大背景下，数据一直在流动，也就导致了数据所处的位置是不同的。根据数据所处位置的不同，可以把数据分为三类：在数据中心、在流动路上、在终端上。

对不同位置上的数据，保护策略不一样。

对于在数据中心的数据，因为对“云厂商”天然的不信任，对数据进行加密灾备是必须的。数据中心的数据本来就是供人访问的，要进行数据交换，因此在校验身份上没那么简单，进行多因子身份认证是必须的，对这一点，各家都有自己的方案。

我们的思路是，除了验证最基本的账号和密码，还要验证访问者的操作系统，用何种应用程序连接，如果说我们只是解析协议，得到的信息是有限的，因此我们可能需要在访问者的终端上安装一个代理，报告进程的哈希值或者签名，从源头上控制访问端，排除恶意软件的连接。

确认身份后，还需要分析上下文的语境，弄清楚为什么这个访问者需要访问，为什么是这个时间段，在这个地址发起访问。对于工作时间以及常用地址之外的访问，我们会先判断有风险。

总之，还是尽可能地描述访问者的画像，并在数据中心进行相应的防护。从不信任，永远验证。

审计也是很重要的一环，把所有的操作都审计下来，有助于事后的分析，回溯。

因为数据是流动的，我们要对敏感数据进行脱敏，对脱敏之后数据进行全链路加密。

所谓脱敏，就是去掉敏感信息，保留原来数据一定特征，即保持数据原有的可用性。也是说对数据进行脱敏过程中，得到的结果一定是这个数据还是可以用的，能保持原有的特征，能让数据共享方获得的数据仍然可以用、可以处理、可以提取相应的特征价值，从而获得原有对数据的要求。

脱敏分为静态脱敏和动态脱敏。

静态脱敏往往是线下的、旁路的；动态脱敏往往是线上的、活的数据。

静态脱敏一般用在非生产环境，把数据批量离线做脱敏，把生产环境里结构化数据、非结构化数据进行脱敏之后，加载到非生产环境使用。用于开发测试等。动态脱敏是实时脱敏，一般应用环境是生产环境，访问敏感信息时再脱敏。根据场景、权限、角色不一样，对同一个敏感信息时有可能进行统一的屏蔽，也可能不同的屏蔽，根据场景操作。

此外，大家都在提数据水印，就是防止在数据的流转中泄密而找不到流失源头。

我们一直想实现的是一种透明水印，使用者看不到，但一旦泄密，可以通过水印逮到泄露者，这种灵感来源于“藏头诗”： 如果我发给你10000 行记录，在第一行某个地方写一个字，在其他行写一个字，用户对此是无感知的。

数据安全技术还会有这些趋势：

第一，隐私计算，我们经常有一些数据需要流动和外发，不可能把所有的数据进行脱敏，有些数据的脱敏程度不高的话，复原也不是难事。

数据隐私的保护手段，主要分为可信硬件和密码学两个流派。硬件方面主要是可信执行环境（Trusted Execution Environment,TEE），而密码学方面有同态加密（Homomorphic Encryption），安全多方计算（Multi-party Computation）和零知识证明（Zero-knowledge Proof, ZKP）。

TEE 可能会是个方向，但是 TEE 这条路大家也是刚开始走。基于硬件的方案也有问题，比如升级困难。当MPC，同态加密等有重大突破的时候，TEE 会退休。

第二，就是云化和大数据化，我们在这里也要做很多东西，未来的数据安全在云端。

第三，自适应安全架构。以一些安全策略为例，如果安全策略定得太宽松，没什么用，定得太细致则会干扰正常业务，所以我们要让策略根据情况调整。

第四，数据库加解密也是方向之一，数据库加解密一直是个业界难点。国内很多企事业单位用的加密算法是国外算法，在过保上可能会遇到一些问题，现在有国密算法，在安全可控的大背景下，数据库加解密支持国密算法大有可为，但国产替代会是一个比较长期的过程。

雷锋网年度评选—— 寻找19大行业的最佳AI落地实践

创立于2017年的「AI最佳掘金案例年度榜单」，是业内首个人工智能商业案例评选活动。雷锋网从商用维度出发，寻找人工智能在各个行业的最佳落地实践。

第三届评选已正式启动，关注微信公众号“雷锋网”，回复关键词“榜单”参与报名。详情可咨询微信号：xqxq_xq

。