數據脫敏是在保存數據原始特征的同時(shí)改變其數值，從而保護敏感數據免于未經(jīng)授權而被訪(fǎng)問(wèn)，同時(shí)又可以進(jìn)行相關(guān)的數據處理，可以在保留數據意義和有效性的同時(shí)保持數據的安全性，并遵從數據隱私規范。借助數據脫敏，信息依舊可以被使用，并與業(yè)務(wù)相關(guān)聯(lián)，不會(huì )違反相關(guān)規定，而且也避免了數據泄露的風(fēng)險。

傳統數據脫敏系統的敏感數據發(fā)現和關(guān)聯(lián)關(guān)系識別，一般都是通過(guò)人工配置和正則表達式匹配來(lái)實(shí)現的。

其識別準確程度主要取決于正則表達式的規則設置是否精準合理。然而性能與準確性不可兼得：正則匹配規則越簡(jiǎn)單，系統性能越好，識別率相對較差；而復雜的正則規則下提升了識別率，但系統性能卻有所下降，對人工配置的經(jīng)驗和技術(shù)要求較高，一般業(yè)務(wù)人員難以勝任。

大數據時(shí)代下的數據脫敏系統設計提供多種預置算法庫，包括映射、隨機、散列和加密四大類(lèi)，每一大類(lèi)中都包含若干算法。系統可以根據用戶(hù)的業(yè)務(wù)需求，靈活搭配，使針對敏感數據的脫敏能夠滿(mǎn)足數據原始屬性、可重復性、可逆性、關(guān)聯(lián)性、可追蹤性以及準確性要求。其一般原型工作流程邏輯如圖所示。

系統實(shí)施步驟可以分解為：

（1）收集用戶(hù)當前業(yè)務(wù)系統需求進(jìn)行數據模型分析，建立系統原型及使用環(huán)境；

（2）對用戶(hù)當前業(yè)務(wù)系統數據進(jìn)行智能數據分析，通過(guò)機器自學(xué)習識別出當前業(yè)務(wù)系統敏感數據，進(jìn)行自動(dòng)聚類(lèi)，提出敏感數據分類(lèi)分級規則方案；

（3）對智能發(fā)現的敏感數據進(jìn)行關(guān)聯(lián)關(guān)系分析以及數據變形規則分析，同時(shí)對系統進(jìn)行分析；

（4）根據第3步的分析，對用戶(hù)權限、脫敏規則、脫敏數據表、脫敏函數、脫敏數據關(guān)聯(lián)關(guān)系及脫敏流程進(jìn)行配置，導入到系統原型；

（5）對敏感數據進(jìn)行數據的變形工作，包括脫敏函數庫的自定義、擴展及豐富；

（6）進(jìn)行脫敏數據的分發(fā)，包括數據加載到其他庫、 數據加載到本地庫、 數據在線(xiàn)脫敏使用；

（7）通過(guò)脫敏后的結果對系統原型支撐技術(shù)進(jìn)行驗證。

基于人工智能的敏感數據自動(dòng)分類(lèi)和識別、機器學(xué)習的數據關(guān)聯(lián)關(guān)系識別和保持、用戶(hù)使用模型學(xué)習的智能自適應脫敏算法等三個(gè)角度，本文對大數據背景下的數據脫敏進(jìn)行了技術(shù)分析。

文章以一個(gè)典型的運營(yíng)商應用業(yè)務(wù)場(chǎng)景中的數據脫敏作為案例進(jìn)行了實(shí)驗分析。該案例采用智能自適應脫敏算法在海量運營(yíng)商用戶(hù)中隨機抽取36萬(wàn)個(gè)用戶(hù)的靜態(tài)屬性表、套餐開(kāi)通數據表、Top10APP使用數據表，月流量語(yǔ)音使用數據表總共 31列的屬性中進(jìn)行智能自適應脫敏。

文章指出隨著(zhù)目前大數據與人工智能的飛速發(fā)展，數據脫敏將面臨諸多挑戰：

最后，文章從技術(shù)、需求和法治、管理機制方面提出了數據脫敏的3點(diǎn)思考和建議：

辯證地認識數據脫敏安全問(wèn)題；

多媒體數據的隱私保護與脫敏會(huì )成為未來(lái)數據脫敏領(lǐng)域的重點(diǎn)方向；

數據脫敏問(wèn)題還需要與法律法規、管理機制等層面進(jìn)行聯(lián)動(dòng)。

來(lái)源：科技導報