数据安全法企业落地方案-含分类分级与脱敏策略

数据安全法企业落地方案

含分类分级与脱敏策略

从法律要求到技术落地的完整实施指南

10大章节·80+模板·200+检查项

数据合规实战系列

目录

第一章数据安全法核心要求解读

第二章企业数据安全治理组织与制度

第三章数据分类分级方法论

第四章数据分类分级落地实施

第五章数据脱敏策略与技术选型

第六章数据脱敏实现方案与工具

第七章数据全生命周期安全管控

第八章数据安全技术体系与工具选型

第九章数据安全应急响应与审计

第十章企业落地方案与实施路线图

数据安全法企业落地方案·含分类分级与脱敏策略

第一章数据安全法核心要求解读

1.1法律背景与适用范围

《中华人民共和国数据安全法》于2021年9月1日正式施行，是我国数据安全领域的基础性法律。它确立了数

据安全保护的总体框架，规定了数据处理活动的安全义务，明确了数据安全监管职责和法律责任。对于企业而言，

理解并落实数据安全法，不仅是合规要求，更是构建数据治理体系、提升数据资产价值的重要契机。

数据安全法的适用范围非常广泛，涵盖在中华人民共和国境内开展的数据处理活动，包括数据的收集、存储、

使用、加工、传输、提供、公开等全生命周期环节。无论企业规模大小、无论是否涉及个人信息，只要从事数据处

理活动，都在法律管辖范围内。企业必须建立数据分类分级保护制度，对数据进行分类分级管理，并采取相应的安

全措施。

1.2企业的核心义务

义务类型具体要求对应条款

数据分类分级建立数据分类分级保护制度，对数据进行分类分级管理第二十一条

重要数据保护对重要数据实行更严格的管理，明确安全负责人第二十一条

安全管理制度建立健全全流程数据安全管理制度，组织培训第二十七条

风险监测开展数据安全风险评估，发现风险及时整改第二十九条、第三十条

事件响应发生数据安全事件时立即处置并上报第二十九条

数据处理记录记录数据处理活动，留存日志不少于6个月第二十七条

跨境传输重要数据出境需进行安全评估第三十一条

配合监管配合公安机关、国家安全机关的调查第三十五条

1.3法律责任与处罚

#数据安全法主要罚则

##未履行数据安全保护义务

-责令改正、警告

-罚款：5万至50万元

-对直接负责人：1万至10万元

-拒不改正或造成严重后果：

-罚款：50万至200万元

-停业整顿、吊销执照

-对直接负责人：5万至20万元

##违反数据交易管理规定

-没收违法所得

-罚款：违法所得1倍至10倍

-无违法所得或不足10万元：

-罚款：10万至100万元

-情节严重的：

-罚款：100万至1000万元

-停业整顿、吊销执照

##向境外提供重要数据

-罚款：10万至100万元

-情节严重的：

-罚款：100万至1000万元

-停业整顿、吊销执照

-对直接负责人：10万至100万元

##核心要点

1.处罚对象包括企业和直接负责人

2.情节严重可吊销营业执照

3.涉及犯罪的追究刑事责任

4.法律适用于所有数据处理者

合规红线：数据安全法不仅约束企业，也约束企业的负责人。一旦发生严重数据安全事件，不仅企业面临巨

额罚款，技术负责人、数据安全负责人也可能承担个人责任。因此，数据安全不是"可选项"，而是"必选项"。

1.4与其他法律的关系

法律关注点与数据安全法的关系

网络安全法网络运行安全、个人信息保护数据安全法的前置法律，共同构成数据治理框架

个人信息保护法个人信息处理规则专门针对个人信息的特别法，优先适用

民法典隐私权、个人信息权益提供民事保护基础

密码法密码应用安全数据加密的技术依据

关键信息基础设施保护条例关键信息基础设施安全对特定行业提出更高要求

1.5企业合规路线图

#企业数据安全合规路线图

##第一阶段：现状评估（1-2个月）

-梳理数据资产

-评估现有安全措施

-识别合规差距

-制定改进计划

##第二阶段：制度建设（2-3个月）

-成立数据安全治理组织

-制定数据安全管理制度

-建立数据分类分级标准

-明确各部门职责

##第三阶段：技术落地（3-6个月）

-部署数据分类分级工具

-实施数据脱敏方案

-建立访问控制体系

-部署审计和监控

##第四阶段：运营优化（持续）

-定期风险评估

-持续优化制度

-员工培训

-应急演练

##关键里程碑

|时间|里程碑|交付物|

|------|--------|--------|

|第1月|完成现状评估|评估报告|

|第2月|成立治理组织|组织架构|

|第3月|发布管理制度|制度文档|

|第4月|完成分类分级|数据资产清单|

|第6月|完成技术部署|系统上线|

|第12月|通过合规审计|审计报告|

第二章企业数据安全治理组织与制度

2.1治理组织架构

数据安全治理需要明确的组织保障。企业应建立三层治理架构：决策层、管理层、执行层。决策层负责战略方

向和资源投入，管理层负责制度制定和协调推进，执行层负责具体落地和日常运营。

层级角色职责建议人选

决策层数据安全委员会审批战略、资源投入、重大决策总裁、技术副总裁、安全总监

管理层数据安全负责人制定制度、协调推进、监督执行数据安全总监

管理层数据安全办公室日常管理、跨部门协调专职团队

执行层业务数据管理员本部门数据分类分级、日常管理各部门指定

执行层技术支撑团队技术方案设计、系统部署、运维安全工程师

监督层审计团队独立审计、合规检查内审部门

#数据安全治理组织架构图

┌─────────────────────────────────────┐

│数据安全委员会（决策层）│

│主任：总裁、技术副总裁│

│成员：各业务负责人、法务、安全负责人│

└──────────────┬──────────────────────┘

│

┌──────────────▼──────────────────────┐

│数据安全负责人（管理层）│

│职责：制度制定、协调推进、监督执行│

└──────────────┬──────────────────────┘

│

┌──────────────▼──────────────────────┐

│数据安全办公室（管理层）│

│职责：日常管理、跨部门协调、培训│

└──────────────┬──────────────────────┘

│

┌──────────┼──────────┐

│││

┌───▼───┐┌───▼───┐┌───▼───┐

│业务A││业务B││技术│

│数据员││数据员││支撑│

└───────┘└───────┘└───────┘

2.2核心制度清单

企业应建立一套完整的数据安全制度体系，覆盖数据全生命周期的各个环节。以下是一级制度清单，企业可根

据自身规模和行业特点进行裁剪。

制度名称核心内容负责部门

数据安全管理办法总体原则、组织架构、职责分工数据安全办公室

数据分类分级管理规范分类分级标准、流程、标识数据安全办公室

数据安全风险评估规范评估方法、频率、报告安全团队

数据脱敏管理规范脱敏场景、算法、审批流程安全团队

数据访问控制规范权限申请、审批、回收信息技术部门

数据安全事件应急预案事件分级、响应流程、上报机制安全团队

数据安全培训规范培训对象、内容、频率、考核人力资源与安全团队

数据安全审计规范审计范围、方法、频率、报告审计部门

第三方数据安全管理规范供应商评估、合同约束、监督采购与安全团队

数据跨境传输管理规范评估流程、审批、备案法务与安全团队

2.3数据安全管理办法模板

#企业数据安全管理办法（模板）

##第一章总则

第一条为规范公司数据处理活动，保障数据安全，促进数据

依法合理有效利用，根据《中华人民共和国数据安全法》等

法律法规，制定本办法。

第二条本办法适用于公司各部门及全体员工在数据处理活动

中的安全管理。

第三条数据安全管理遵循"谁主管谁负责、谁使用谁负责、

谁运营谁负责"的原则。

##第二章组织与职责

第四条公司设立数据安全委员会，作为数据安全管理的最高

决策机构，主要职责包括：

（一）审批数据安全战略和重大决策；

（二）审批数据安全管理制度；

（三）协调解决数据安全重大问题。

第五条公司设数据安全负责人，主要职责包括：

（一）组织制定数据安全管理制度；

（二）协调推进数据安全工作；

（三）组织开展数据安全风险评估；

（四）组织数据安全事件应急处置。

第六条各部门设数据管理员，负责本部门数据分类分级、

权限管理、日常安全管理。

##第三章数据分类分级

第七条公司建立数据分类分级保护制度，对数据进行分类

分级管理。

第八条数据按照敏感程度从高到低分为四级：

（一）核心数据：涉及国家安全、国民经济命脉的数据；

（二）重要数据：泄露后可能严重危害公司利益的数据；

（三）敏感数据：泄露后可能损害公司利益的数据；

（四）一般数据：泄露后影响较小的数据。

##第四章数据全生命周期安全

第九条数据收集应当合法、正当、必要，明确收集目的和

范围。

第十条数据存储应当根据级别采取相应的加密、备份、

访问控制措施。

第十一条数据使用应当遵循最小必要原则，严格权限管理。

第十二条数据传输应当采取加密措施，禁止通过不安全

渠道传输敏感数据。

第十三条数据共享应当经过审批，签订数据保护协议。

第十四条数据销毁应当彻底，确保无法恢复。

##第五章应急响应

第十五条发生数据安全事件，应当立即启动应急预案，

采取措施防止危害扩大。

第十六条数据安全事件应当在24小时内向数据安全

负责人报告，重大事件应当向监管部门报告。

##第六章监督与考核

第十七条数据安全办公室定期开展检查，发现问题限期

整改。

第十八条数据安全工作纳入部门和个人绩效考核。

##第七章附则

第十九条本办法由数据安全委员会负责解释。

第二十条本办法自发布之日起施行。

2.4岗位职责说明书

角色职责能力要求

数据安全负责人统筹数据安全、制定制度、协调推进法律法规、数据治理、沟通协调

数据安全工程师技术方案设计、系统部署、日常运维数据安全技术、加密脱敏、审计

数据管理员分类分级、权限管理、日常检查业务理解、数据管理、流程执行

数据审计员独立审计、合规检查、风险评估审计方法、风险识别、报告撰写

数据安全培训师员工培训、意识提升、考核培训设计、沟通表达、考核评估

制度落地的关键：制度不是写在纸上的文件，而是要融入日常工作的流程。制度发布后，要配套开展培训、

建立检查机制、纳入绩效考核。否则制度会沦为"墙上标语"，无法真正约束行为。

第三章数据分类分级方法论

3.1分类分级的基本概念

数据分类分级是数据安全治理的基础。分类是"按什么维度划分"，分级是"按什么敏感度标注"。分类回答"这是

什么数据"，分级回答"这数据有多重要"。两者结合，才能为不同数据匹配不同的保护措施。

数据分类通常按业务属性、数据来源、数据用途等维度进行。数据分级通常按泄露后的影响程度、法律要求、

业务价值等维度进行。分级结果决定了数据在存储、传输、使用、共享、销毁等环节的安全策略。

3.2分类维度与方法

分类维度说明示例

按业务属性按业务线或业务模块划分用户数据、订单数据、商品数据

按数据来源按数据产生的方式划分用户提供、系统生成、第三方采购

按数据用途按数据的使用目的划分业务运营、分析决策、对外提供

按数据形态按数据的结构化程度划分结构化数据、半结构化数据、非结构化数据

按敏感属性按数据涉及的内容性质划分个人信息、商业秘密、业务数据

#数据分类示例（电商行业）

##一级分类

-用户数据

-商品数据

-交易数据

-营销数据

-运营数据

-财务数据

##二级分类

用户数据：

-基本信息（姓名、性别、年龄）

-联系信息（手机、邮箱、地址）

-账号信息（用户名、密码、绑定关系）

-行为信息（浏览、搜索、点击）

-设备信息（设备标识、型号、系统）

商品数据：

-商品基础信息

-商品价格信息

-商品库存信息

-商品评价信息

交易数据：

-订单信息

-支付信息

-物流信息

-售后信息

##分类层级建议

-一级分类：按业务域，5-10个

-二级分类：按数据主题，每个一级下3-8个

-三级分类：按具体字段，视需要确定

3.3分级标准与方法

级别定义影响范围保护要求

核心数据涉及国家安全、国民经济命脉、重要民生、重大公共利益国家层面最严格保护，禁止出境

重要数据泄露后可能严重危害公司利益、影响大量用户公司层面与大量用户严格保护，出境需评估

敏感数据泄露后可能损害公司利益或用户权益部门层面与部分用户较强保护，需脱敏

一般数据泄露后影响较小个人层面基础保护

#数据分级评估矩阵

##评估维度

|维度|权重|评分标准|

|------|------|----------|

|影响范围|30%|国家=4，行业=3，公司=2，个人=1|

|影响程度|30%|严重=4，较大=3，中等=2，轻微=1|

|法律要求|20%|明令禁止=4，严格限制=3，一般限制=2，无要求=1|

|业务价值|20%|极高=4，高=3，中=2，低=1|

##分级计算

总分=各维度得分乘以权重之和

-3.5-4.0：核心数据

-2.5-3.4：重要数据

-1.5-2.4：敏感数据

-1.0-1.4：一般数据

##示例：手机号分级

|维度|得分|权重|加权分|

|------|------|------|--------|

|影响范围|2|30%|0.6|

|影响程度|3|30%|0.9|

|法律要求|3|20%|0.6|

|业务价值|3|20%|0.6|

|**总分**|||**2.7**|

结论：手机号属于重要数据（或敏感数据，视公司定义）

3.4分类分级的实施流程

#数据分类分级实施流程

##第一步：数据资产盘点

-梳理所有系统和数据库

-识别所有数据表和字段

-记录数据量、更新频率、使用方

##第二步：制定分类分级标准

-确定分类维度和层级

-确定分级标准和矩阵

-制定命名和标识规则

##第三步：数据分类

-按业务域划分一级分类

-按数据主题划分二级分类

-按字段划分三级分类

##第四步：数据分级

-按评估矩阵对每个字段打分

-确定每个字段的级别

-汇总到表级、库级

##第五步：标注与登记

-在数据字典中标注分类分级

-建立数据资产清单

-输出分类分级报告

##第六步：评审与发布

-组织业务、安全、法务评审

-修正不合理分级

-正式发布

##第七步：动态维护

-新增数据及时分级

-定期复核已有分级

-业务变化时同步调整

3.5分类分级标识规则

#数据分类分级标识命名规则

##格式

[分类]-[子类]-[级别]

##示例

USER-CONTACT-L3#用户联系信息，3级

TRADE-ORDER-L3#交易订单信息，3级

PRODUCT-BASE-L1#商品基础信息，1级

##级别代码

-L1：一般数据

-L2：敏感数据

-L3：重要数据

-L4：核心数据

##标识应用

1.数据字典中的字段标识

2.数据库表的注释

3.接口文档的说明

4.数据导出文件的元数据

##数据字典示例

|字段名|中文名|类型|分类|级别|

|--------|--------|------|------|------|

|user_name|用户名|字符串|USER-BASE|L2|

|user_phone|手机号|字符串|USER-CONTACT|L3|

|user_id_card|身份证号|字符串|USER-CONTACT|L4|

|order_amount|订单金额|小数|TRADE-ORDER|L2|

|product_price|商品价格|小数|PRODUCT-PRICE|L1|

3.6行业特殊要求

行业特殊要求监管依据

金融客户身份资料、交易记录保存至少5年反洗钱法

医疗病历数据属于敏感个人信息，需严格保护医疗卫生相关规定

电信用户通信记录、位置信息属于重要数据电信条例

汽车车辆位置、行驶轨迹属于重要数据汽车数据安全规定

教育学生信息属于敏感个人信息教育行业规定

电商交易数据、用户画像属于重要数据电子商务法

分级不是越高越好：把所有数据都定为最高级别，会导致保护成本过高、业务效率下降。分级应该基于实际

风险评估，既不过度保护，也不保护不足。关键是找到"保护成本"与"风险损失"的平衡点。

第四章数据分类分级落地实施

4.1数据资产盘点模板

#数据资产盘点表

##基本信息

|字段|说明|

|------|------|

|资产编号|唯一标识|

|系统名称|所属系统|

|数据库名|数据库名称|

|表名|数据表名|

|表中文名|表的中文名称|

|表说明|表的用途说明|

|数据量|当前数据量|

|日增量|每日新增数据量|

|保留期限|数据保留时长|

##字段信息

|字段名|中文名|类型|长度|是否敏感|分类|级别|

|--------|--------|------|------|----------|------|------|

|id|主键|整数|-|否|-|L1|

|user_name|用户名|字符串|64|是|USER-BASE|L2|

|user_phone|手机号|字符串|20|是|USER-CONTACT|L3|

|user_id_card|身份证号|字符串|18|是|USER-CONTACT|L4|

|email|邮箱|字符串|128|是|USER-CONTACT|L3|

|address|地址|字符串|512|是|USER-CONTACT|L3|

|created_at|创建时间|时间|-|否|-|L1|

##数据流向

-数据来源：用户注册

-数据去向：订单系统、营销系统

-共享方式：接口调用

-出境情况：无

##安全措施

-存储加密：是

-传输加密：是

-访问控制：基于角色的访问控制

-审计日志：已开启

4.2分类分级标注实施

#数据库层面标注

##表注释

ALTERTABLEuser_info

COMMENT='用户信息表[USER-BASE-L3]';

##字段注释

ALTERTABLEuser_info

MODIFYCOLUMNuser_phoneVARCHAR(20)

COMMENT'手机号[USER-CONTACT-L3]';

ALTERTABLEuser_info

MODIFYCOLUMNuser_id_cardVARCHAR(18)

COMMENT'身份证号[USER-CONTACT-L4]';

##数据字典导出

SELECT

TABLE_NAMEAS'表名',

COLUMN_NAMEAS'字段名',

COLUMN_COMMENTAS'注释',

DATA_TYPEAS'类型'

FROMinformation_schema.COLUMNS

WHERETABLE_SCHEMA='your_database'

ORDERBYTABLE_NAME,ORDINAL_POSITION;

##分类分级元数据表

CREATETABLEdata_classification(

idBIGINTPRIMARYKEYAUTO_INCREMENT,

db_nameVARCHAR(64)NOTNULLCOMMENT'数据库名',

table_nameVARCHAR(64)NOTNULLCOMMENT'表名',

column_nameVARCHAR(64)NOTNULLCOMMENT'字段名',

classificationVARCHAR(64)NOTNULLCOMMENT'分类',

levelVARCHAR(4)NOTNULLCOMMENT'级别',

is_sensitiveTINYINTDEFAULT0COMMENT'是否敏感',

protect_ruleVARCHAR(255)COMMENT'保护规则',

created_atDATETIMEDEFAULTCURRENT_TIMESTAMP,

updated_atDATETIMEDEFAULTCURRENT_TIMESTAMP

ONUPDATECURRENT_TIMESTAMP,

UNIQUEKEYuk_db_table_column(db_name,table_name,column_name)

)COMMENT'数据分类分级元数据表';

4.3数据分类分级工具选型

类型工具特点适用场景

商业工具数据安全治理平台功能全面、可视化、支持自动化中大型企业

商业工具数据分类分级系统自动识别、机器学习、规则引擎数据量大

开源工具数据发现工具免费、可定制、需要二次开发技术能力强

自研工具基于元数据管理贴合业务、成本低、维护成本高特定场景

人工方式电子表格加评审简单、成本低、易出错小规模数据

4.4分类分级自动化识别

#基于规则的自动识别

##规则定义

rules=[

{

"name":"身份证号",

"pattern":r"^[1-9]\d{5}(18|19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}

[\dXx]$",

"classification":"USER-CONTACT",

"level":"L4"

},

{

"name":"手机号",

"pattern":r"^1[3-9]\d{9}$",

"classification":"USER-CONTACT",

"level":"L3"

},

{

"name":"银行卡号",

"pattern":r"^\d{16,19}$",

"classification":"USER-FINANCE",

"level":"L4"

},

{

"name":"姓名",

"pattern":r"^[\u4e00-\u9fa5]{2,4}$",

"classification":"USER-BASE",

"level":"L2"

}

]

##字段名匹配规则

field_rules={

"phone":("USER-CONTACT","L3"),

"mobile":("USER-CONTACT","L3"),

"id_card":("USER-CONTACT","L4"),

"idcard":("USER-CONTACT","L4"),

"address":("USER-CONTACT","L3"),

"password":("USER-AUTH","L4"),

"bank_card":("USER-FINANCE","L4"),

"name":("USER-BASE","L2"),

"age":("USER-BASE","L1"),

"gender":("USER-BASE","L1")

}

##自动化流程

1.扫描数据库元数据

2.匹配字段名规则

3.采样数据，匹配内容规则

4.计算置信度

5.生成分类分级建议

6.人工复核确认

4.5分类分级检查清单

是否完成了数据资产盘点？

是否制定了分类分级标准？

是否明确了分级评估矩阵？

是否对每个字段进行了分类？

是否对每个字段进行了分级？

是否在数据字典中标注了分类分级？

是否建立了数据资产清单？

是否组织了业务、安全、法务评审？

是否对分类分级结果进行了复核？

是否建立了动态维护机制？

是否有新增数据的分类分级流程？

是否定期复核已有分类分级？

是否根据分类分级配置了保护措施？

是否有分类分级的培训？

是否有分类分级的考核？

第五章数据脱敏策略与技术选型

5.1数据脱敏的核心概念

数据脱敏是指通过对敏感数据进行变换处理，使其在保持数据可用性的同时，无法还原出真实的敏感信息。脱

敏不是加密，加密是可逆的，脱敏通常是不可逆的（或需要特殊条件才能还原）。脱敏的目的是在开发、测试、分

析、共享等场景下，保护敏感数据不被泄露。

脱敏的核心挑战是平衡"安全性"和"可用性"。脱敏越彻底，安全性越高，但数据的可用性越低；脱敏越轻，可

用性越高，但安全性越低。好的脱敏方案应该根据使用场景选择合适的脱敏程度，既满足业务需求，又符合安全要

求。

5.2脱敏场景与策略

场景脱敏要求推荐策略

开发环境不泄露真实数据，保持数据格式全量脱敏，格式保留

测试环境保持数据分布特征，便于测试统计特征保留的脱敏

数据分析保留分析价值，不泄露个体聚合、泛化、差分隐私

对外共享完全不可还原不可逆脱敏

数据展示用户只能看到部分信息部分遮盖

日志记录不记录敏感信息字段过滤或替换

5.3脱敏算法与技术

算法原理可逆性适用场景

遮盖用固定字符替换部分内容不可逆展示、日志

替换用虚构数据替换真实数据不可逆开发、测试

洗牌打乱同一列内的数据顺序不可逆测试、分析

加密用密钥加密数据可逆存储、传输

哈希用哈希函数转换数据不可逆标识、关联

泛化用范围替代具体值不可逆分析、统计

截断只保留部分内容不可逆展示、日志

格式保留加密加密后保持原格式可逆需要还原的场景

差分隐私添加噪声保护个体不可逆数据分析、发布

5.4字段级脱敏策略

#常见字段的脱敏策略

##手机号

-展示：保留前3位和后4位

-示例：【手机号】

-算法：遮盖

##身份证号

-展示：保留前6位和后4位

-示例：【身份证号】

-算法：遮盖

##银行卡号

-展示：只保留后4位

-示例：【银行卡号】

-算法：遮盖

##邮箱

-展示：保留首字符和域名

-示例：【邮箱】

-算法：遮盖

##姓名

-展示：保留姓氏，名字用占位符替代

-示例：张先生、李女士

-算法：遮盖

##地址

-展示：保留省市区，详细地址遮盖

-示例：示例省示例市示例区示例路1号

-算法：遮盖

##密码

-展示：不展示

-规则：哈希存储，不可逆

-算法：哈希

##脱敏规则配置表

|字段类型|保留规则|脱敏字符|示例|

|----------|----------|----------|------|

|手机号|前3后4|遮盖符|【手机号】|

|身份证|前6后4|遮盖符|【身份证号】|

|银行卡|后4|遮盖符|【银行卡号】|

|邮箱|首字符加域名|遮盖符|【邮箱】|

|姓名|姓氏|遮盖符|张先生|

|地址|省市区|遮盖符|示例省示例市示例区示例路1号|

5.5脱敏策略选择原则

最小必要原则：只脱敏必要的字段，不过度脱敏。

场景适配原则：不同场景使用不同的脱敏策略。

不可逆优先原则：能用不可逆的不用可逆的。

格式保留原则：保持数据格式，避免影响业务逻辑。

关联保留原则：需要关联的字段使用一致的脱敏映射。

可审计原则：脱敏操作要有日志记录。

可配置原则：脱敏规则应该可配置，便于调整。

脱敏的常见误区：第一，认为脱敏后就安全了，实际上脱敏不当仍可还原；第二，脱敏规则过于简单，容易

被破解；第三，脱敏后不测试，导致业务功能异常；第四，脱敏后的数据不管理，仍然泄露；第五，脱敏规则

不统一，导致关联分析困难。

第六章数据脱敏实现方案与工具

6.1静态脱敏实现

#静态脱敏：对存储的数据进行脱敏

##实现方式：数据库函数脱敏

--手机号脱敏（MySQL语法）

UPDATEuser_info

SETphone=CONCAT(

SUBSTRING(phone,1,3),

'****',

SUBSTRING(phone,8,4)

)

WHEREphoneISNOTNULL;

--身份证脱敏

UPDATEuser_info

SETid_card=CONCAT(

SUBSTRING(id_card,1,6),

'********',

SUBSTRING(id_card,15,4)

)

WHEREid_cardISNOTNULL;

--邮箱脱敏

UPDATEuser_info

SETemail=CONCAT(

SUBSTRING(email,1,1),

'***',

SUBSTRING(email,LOCATE('@',email))

)

WHEREemailISNOTNULL;

--姓名脱敏

UPDATEuser_info

SETname=CONCAT(

SUBSTRING(name,1,1),

'先生'

)

WHEREnameISNOTNULL;

##存储过程封装

DELIMITER$$

CREATEFUNCTIONmask_phone(phoneVARCHAR(20))

RETURNSVARCHAR(20)

DETERMINISTIC

BEGIN

IFphoneISNULLORLENGTH(phone)<11THEN

RETURNphone;

ENDIF;

RETURNCONCAT(

SUBSTRING(phone,1,3),

'****',

SUBSTRING(phone,8,4)

);

END$$

DELIMITER;

--使用函数

UPDATEuser_infoSETphone=mask_phone(phone);

#静态脱敏：Python实现

importpandasaspd

importhashlib

importrandom

importstring

defmask_phone(phone):

"""手机号脱敏"""

ifpd.isna(phone)orlen(str(phone))!=11:

returnphone

phone=str(phone)

returnphone[:3]+'****'+phone[7:]

defmask_id_card(id_card):

"""身份证号脱敏"""

ifpd.isna(id_card)orlen(str(id_card))!=18:

returnid_card

id_card=str(id_card)

returnid_card[:6]+'********'+id_card[14:]

defmask_email(email):

"""邮箱脱敏"""

ifpd.isna(email)or'@'notinstr(email):

returnemail

email=str(email)

local,domain=email.split('@',1)

returnlocal[0]+'***@【邮箱域名】'

defmask_name(name):

"""姓名脱敏"""

ifpd.isna(name)orlen(str(name))<2:

returnname

name=str(name)

returnname[0]+'先生'

defmask_bank_card(card):

"""银行卡脱敏"""

ifpd.isna(card)orlen(str(card))<8:

returncard

card=str(card)

return'【银行卡号】'

defhash_value(value,salt=''):

"""哈希脱敏（用于需要关联的场景）"""

ifpd.isna(value):

returnvalue

returnhashlib.sha256((str(value)+salt).encode()).hexdigest()

#批量处理

defmask_dataframe(df,rules):

"""

df:数据框

rules:脱敏规则字典

"""

forcolumn,funcinrules.items():

ifcolumnindf.columns:

df[column]=df[column].apply(func)

returndf

#使用示例

rules={

'phone':mask_phone,

'id_card':mask_id_card,

'email':mask_email,

'name':mask_name,

'bank_card':mask_bank_card

}

6.2动态脱敏实现

#动态脱敏：查询时实时脱敏

##方案一：应用层脱敏

#脱敏注解

@Target(ElementType.FIELD)

@Retention(RetentionPolicy.RUNTIME)

public@interfaceSensitive{

SensitiveTypetype();

}

publicenumSensitiveType{

PHONE,ID_CARD,EMAIL,NAME,BANK_CARD,ADDRESS

}

#脱敏序列化器

publicclassSensitiveSerializerextendsJsonSerializer

implementsContextualSerializer{

privateSensitiveTypetype;

@Override

publicvoidserialize(Stringvalue,JsonGeneratorgen,

SerializerProviderserializers)

throwsIOException{

gen.writeString(mask(value,type));

}

privateStringmask(Stringvalue,SensitiveTypetype){

if(value==null)returnnull;

switch(type){

casePHONE:

returnvalue.replaceAll("(\\d{3})\\d{4}(\\d{4})",

"$1****$2");

caseID_CARD:

returnvalue.replaceAll("(\\d{6})\\d{8}(\\d{4})",

"$1********$2");

caseEMAIL:

returnvalue.replaceAll("(\\w{1})[^@]*(@.*)",

"$1***$2");

caseNAME:

returnvalue.substring(0,1)+"先生";

caseBANK_CARD:

return"【银行卡号】";

default:

returnvalue;

}

}

@Override

publicJsonSerializercreateContextual(

SerializerProviderprov,BeanPropertyproperty){

Sensitiveannotation=property.getAnnotation(Sensitive.class);

if(annotation!=null){

this.type=annotation.type();

returnthis;

}

returnprov.findValueSerializer(

property.getType(),property);

}

}

#使用

publicclassUserVO{

privateLongid;

privateStringusername;

@Sensitive(type=SensitiveType.PHONE)

privateStringphone;

@Sensitive(type=SensitiveType.ID_CARD)

privateStringidCard;

@Sensitive(type=SensitiveType.EMAIL)

privateStringemail;

}

##方案二：数据库视图脱敏

CREATEVIEWv_user_maskedAS

SELECT

id,

username,

CONCAT(SUBSTRING(phone,1,3),'****',

SUBSTRING(phone,8,4))ASphone,

CONCAT(SUBSTRING(id_card,1,6),'********',

SUBSTRING(id_card,15,4))ASid_card,

CONCAT(SUBSTRING(email,1,1),'***',

'【邮箱】')ASemail,

created_at

FROMuser_info;

--应用使用视图而非原表

SELECT*FROMv_user_maskedWHEREid=123;

6.3脱敏工具对比

工具类型特点适用场景

数据库内置函数静态简单、无需额外工具小规模、简单脱敏

应用层框架动态灵活、与业务集成接口脱敏

数据集成工具静态批量处理、可视化数据仓库脱敏

脱敏网关动态集中管理、统一规则多系统脱敏

专用脱敏工具静态与动态功能全面、支持多种算法企业级脱敏

自研脚本静态灵活、成本低特定场景

6.4脱敏流程与审批

#数据脱敏审批流程

##第一步：提出申请

-申请部门

-申请人

-数据范围

-使用场景

-使用期限

##第二步：安全评估

-脱敏必要性评估

-脱敏方案评估

-风险评估

##第三步：审批

-部门负责人审批

-数据安全负责人审批

-重大数据报数据安全委员会

##第四步：执行脱敏

-生成脱敏数据

-记录脱敏日志

-验证脱敏效果

##第五步：使用与监控

-脱敏数据使用

-使用情况监控

-到期回收

##第六步：数据销毁

-使用完毕后销毁

-记录销毁日志

##脱敏申请单模板

|字段|内容|

|------|------|

|申请编号|示例编号|

|申请部门|技术部|

|申请人|张先生|

|数据范围|用户信息表，手机号与身份证号字段|

|使用场景|开发环境测试|

|使用期限|2026年9月至2026年12月|

|脱敏方式|遮盖脱敏|

|审批人|李女士|

|审批状态|已批准|

|执行时间|2026年9月|

|执行人|王先生|

6.5脱敏效果验证

#脱敏效果验证清单

##1.格式验证

-[]脱敏后数据格式与原数据一致

-[]字段长度符合要求

-[]数据类型未改变

##2.不可逆验证

-[]无法从脱敏数据还原原始数据

-[]无法通过关联分析推断原始数据

-[]无法通过多次查询推导原始数据

##3.可用性验证

-[]业务功能正常

-[]数据统计特征保持

-[]数据关联关系保持

##4.一致性验证

-[]同一数据在多处脱敏结果一致

-[]关联字段脱敏映射一致

-[]历史数据脱敏规则一致

##5.合规验证

-[]符合数据安全法要求

-[]符合个人信息保护法要求

-[]符合行业监管要求

##验证方法

1.抽样检查脱敏结果

2.尝试还原脱敏数据

3.运行完整业务测试

4.统计数据分析对比

5.安全团队评审

脱敏的持续运营：脱敏不是一次性的工作，而是需要持续运营。新的字段需要配置脱敏规则，新的场景需要

调整脱敏策略，新的法规需要更新脱敏要求。企业应建立脱敏规则库，定期评审和更新。

第七章数据全生命周期安全管控

7.1数据生命周期模型

阶段核心活动安全要求

收集数据采集、录入、导入合法正当、最小必要、告知同意

存储数据库、文件、对象存储加密、访问控制、备份

使用查询、分析、加工权限管理、脱敏、审计

共享内部共享、外部提供审批、脱敏、协议

传输网络传输、导出加密、通道安全

销毁删除、介质销毁不可恢复、记录

7.2收集阶段安全管控

#数据收集安全要求

##合法性

-收集目的合法

-收集方式合法

-收集范围合法

##最小必要

-只收集业务必需的字段

-不收集与业务无关的信息

-明确收集目的和使用范围

##告知同意

-告知用户收集目的

-告知用户使用方式

-获取用户明示同意

##收集清单模板

|数据项|收集目的|使用范围|是否必须|法律依据|

|--------|----------|----------|----------|----------|

|手机号|身份验证|登录、通知|是|合同履行|

|邮箱|密码找回|安全验证|否|用户同意|

|身份证|实名认证|风控|是|法律要求|

|地址|商品配送|物流|是|合同履行|

##用户协议要点

1.明确告知收集目的

2.明确告知使用范围

3.明确告知共享情况

4.明确告知保存期限

5.提供撤回同意方式

7.3存储阶段安全管控

#数据存储安全要求

##加密存储

-敏感数据加密存储

-密钥独立管理

-定期轮换密钥

##访问控制

-最小权限原则

-分级授权

-定期复核

##备份管理

-定期备份

-异地备份

-备份加密

-恢复演练

##存储加密示例

###应用层加密

fromcryptography.fernetimportFernet

classDataEncryptor:

def__init__(self,key):

self.cipher=Fernet(key)

defencrypt(self,data):

ifdataisNone:

returnNone

returnself.cipher.encrypt(data.encode()).decode()

defdecrypt(self,encrypted):

ifencryptedisNone:

returnNone

returnself.cipher.decrypt(en