在当前的数据时代，随着云计算、大数据、AI等技术的不断发展，“数据”已经渗透到当今每一个行业和业务职能领域，成为重要的生产要素。数据的计量单位也至少是PB级别计算。这对于国家、企业和个人面临着网络安全、数据安全和隐私等一系列问题上，都提出了全新的挑战。国内外相继出台了GDPR、LGPD、CCPA、网络安全法、数据安全法（草案）和个人信息保护法（草案）等，这个时代不仅给“数据”赋予了“价值”属性，也同步赋予了“法律”属性，数据安全不在是组织自身安全问题，也是公共安全和国家安全问题，这些都推动着国家和企业重视数据，重视数据安全。

那数据安全怎么做，数据安全工作的重大和有效抓手是什么，今天跟大家分享数据安全工作的关键之一——《静态敏感数据的识别和治理》

关于静态敏感数据的防护，我们常用的手法是加密或脱敏，手段虽然简单，但是要想有效执行，并能够量化确认落地效果，还是有一定的难度的，今天跟大家分享下个人的想法和做法。

保证静态敏感数据的保密性。

静态敏感数据的加密或脱敏覆盖率100%。

关系型数据库中的静态敏感数据。

本文主要是谈两部分内容，一个是静态数据的主动识别，一个是识别到数据安全问题后的治理工作。

敏感数据识别是数据安全工作的切入点和基础，我们需要知道组织有哪些数据，了解清楚自身的数据家底，才能有效的做好下一步的分析、治理和运营等工作，知不足，补缺陷，符合规，满内需！

数据治理则是在数据识别的基础上，识别当前数据存在的问题和风险，通过一系列的数据治理手段，即战略层定目标、定组织、定决策，战术层定方案、定策略，执行层落地。本文主要分享战术层和执行层的做法和思路。

本方案将以管理和技术两个维度方向落地完成。管理层面，发布《数据分类分级管理制度》、《数据安全管理制度》、《数据申请管理制度》和《数据加密管理制度》等，形成标准要求并发布；技术层面搭建一个平台，自动对数据库内的数据进行检索发现，基于策略对数据库字段的数据做抽样分析，识别未防护的数据字段清单，进而协调相关方按要求整改。

本文重点分享技术部分内容。

技术架构思路如下：

tips：详细内容可参考另一篇文章《数据安全怎么做：数据分类分级》

根据组织数据的属性或特征，将其按照一定的原则和方法进行区分、归类和定级，识别数据对组织的具体价值，从而确定以何种适当的策略，保护数据的完整性、保密性和可用性。

确定公司的敏感数据具体内容，制定统一的数据分类分级标准。

此处我们可以带着两个问题，来了解公司数据情况：

我们要了解公司对外发布的应用、api、三方数据外出等途径，这些途径会获取哪些信息和所签订的隐私协议内容等。

这块我们要对公司自身组织及业务情况有个比较清楚的梳理，了解自己内部的组织的相关人员会对内输出什么数据等。

敏感信息举例如下：

《数据分类分级管理制度》、《数据安全管理制度》、《数据申请管理制度》

安全的任何工作开始之初，最重要的工作之一是先梳理清楚资产信息，这些数据主要依托于业务和数据管理团队提供，如通过内部数据库的cmdb获取等；数据虽然主要依托于干系部门，但是作为安全，我们自身要有数据源的判断和验证能力，用以确定当前的资产覆盖范围是全面的，在此基础之上的安全建设和防护才是切实有效的。

个人觉得：组织业务上做了安全建设防护了防不住不可怕，这个可以指导我们安全建设的方向，查漏补缺，制定下一阶段的规划和目标；可怕的是资产上有盲点，本可防护住的资产，却未建立任何防护，这种情况导致出现安全问题就相当可悲了。故摸清家底很重要！很重要！很重要！

确定资产范围，保证资产的全面有效性

针对于静态数据治理层面我们主要需要两类信息，分别是业务信息、主机信息（存在生产数据库），具体概述如下：

基于日常安全资产扫描，包括但不限于主机存活、端口开放、协议识别等，结果与三方提供资产做比对，互为双重验证。