笔者看书看文章都是东看西看，不成体系，但是对于数据安全接触得也蛮久了，体系化落地得比较多，并且有丰富的业务数据安全场景以及与业务拉扯的经验，故在此谈一些个人经验。

要看数据安全包括哪些场景，首先要分析在哪些部分会包含数据，并且存在大量的数据，并且数据是无需混乱的状态。以互联网公司为例，有各个IT业务系统，系统数据存储在IDC机房或者云上，存储的方式有数据桶、文件服务器等，用于存储数据，此为服务器层面的数据安全场景。

其次，个人终端也会面临很多数据安全问题，举个例子，开发文档，数据库配置文件，设计稿件，财务信息，这些不同类型的文件会分布在IT部门，设计部门和财务部门，关键字段不同，泄漏的方式也不同，此处需要多多考虑人员的办公形式和数据传输方式。（因为场景复杂，终端数据安全将会用较多文字进行阐述）

另外一个场景，基于业务流去识别数据流，通过数据流转与展示，进行数据跟踪，并且在流转过程中予以保护，此过程需要调研各部门负责人，以获取清晰的数据链路。

上述是关于数据保护场景的一些阐述，下面会通过面临的问题，解决的办法以及引进的工具进行展开，上面也只是笔者在落地过程中面临的主要三大块，具体情况需要具体分析。

首先聚焦于服务器场景，如果是针对于结构化数据存储，以及需要记录数据进出以及调用情况，首先需要与DBA人员和产品经理进行访谈，获取目前的数据采集的逻辑，目前存储的表结构以及表字段，先简单将数据分级分类，如个人信息、业务数据、财务报表等，这样可有效聚焦重点。如对于toC商家，消费者的个人信息需要得到保护，对于重供应链的公司，报价成本选型是很重要的数据，表现为供应链系统数据存储。要求读者首先将公司的业务场景，主要经营范围以及哪些数据泄漏会对公司造成损害，做出一定的判断。

如果未能做出有效判断，访谈业务部门负责人，采访一下历史的泄漏事件对业务造成的困扰，是一个很好的解决办法。

服务器侧面临的问题更多在于传输是否加密，被其他第三方公司，或供应链调用的接口以及数据库开放权限，在不合作后是否可以得到很好的回收，对于供应链部分，是否要求对方公司采取相应的安全策略保护我司提供的数据。更容易出问题的是，开发者并不能及时感知业务是否继续合作，导致停止合作的公司依然可以在公司获取数据，同时接口权限控制不严，导致过度读取数据的情况。同时，开发为了方便调试开发，很多时候也会使用技术手段，将数据接口映射到公网，无授权访问等。

在阿里云上，有云安全中心可以选择，可快速帮助组织识别常规字段信息，可统计接口等访问情况，当接口长时间无访问或者较少访问时，可进行统计，去寻找相关人员进行访问。同时，也需要注意访问量过大的情况，看是否过量获取数据，或权限过大，数据范围过大的情况出现。同时，与产片经理或者业务部门反馈相关情况，询问一下业务量，作为评判风险的标准。工具层面，读者可选择市面上的其他产品。

第二个关于终端数据安全方面。此部分是相当复杂的场景。可先规定数据安全的红线，约束员工数据分享的行为。例如对于严格管控的组织内部，有很多公共的数据安全场景，例如不允许使用U盘进行拷贝资料，禁止使用公共云盘进行数据分享，禁止使用微信或QQ等其他第三方工具进行数据传输，邮件传输敏感附件需要加密，并且禁止邮件发送加密密码等。基于这些公共性行为，在组织内部进行终端安全管控，例如禁用U盘接口，禁止安装和打开微信或QQ等。

但是在不严格等组织里面，会为了满足客户的便利性，导致上述措施无法实施或效果甚微，此时需要针对上述场景进行审计，将问题重灾区的部门进行分析，并且回报至相关部门领导，争取获取其同意，获取部分管控或者关键场景管控，再以温水煮青蛙的办法，逐步推进，达到管控的目标。

以上是公共行为，基于行为去做管控，但是也是需要在正常的行为中分辨出不合理的数据共享，以及哪些人群可获取数据阅读权限，那么需要做关键字段管控，以及现存依赖的数据IT系统以及所呈现的数据报表是什么，是否可以提取关键字段，频次，时间，正则等，加入到敏感字段管控。因为哪怕在同一个公司中，财务信息不会被IT部门的人员知道，薪酬信息除了HR部门，其他部门不应该可以阅读。业务合作伙伴也不能知道其他供应链的报价信息，成本信息等。这些需要下苦功夫，针对不同的业务部门进行访谈，获取他们的日常工作方式，让业务部门对安全提出要求，这样方向会更加明确。

终端安全行为各异，保护的数据根据部门不同而各有差异，部门内分享，公司内分享，公司间分享，都要做好调研，形成分享视图，才能做好管理。同时，针对于使用企业版钉钉、飞书或微信的企业来说，文档分享，文档跟踪功能需要做好策略审计，帮助识别存在的风险。

同时，应该注意一点，对于大多数人正常的行为而已，哪怕不知道部门工作方式，也可通过分析正常群体而发现风险人群的风险行为，因为“风险行为”和“正常”状态是互斥的。

最后一个场景是数据流跟踪，数据在各个系统所呈现的表现形式。此场景更多会将数据的权限与员工的岗位职责进行匹配，予以授权或除权，作为数据治理的一部分。距离比较能感知到的电商系统，当客户在店铺进行下单，此时会有消费者的个人信息，商品详情等，这个时候数据可能会流向物流供应商系统，让物流供应商进行取件，同时数据会存储在组织内部的订单管理系统上，供客服人员或者销售人员进行查看。但是客服人员处理来自消费者的问题时，如果是售前，无需知道用户的任何信息，售后人员无需知道客户的地址信息等。通过实际场景匹配，管理数据增删改查的边界范围，控制好权限。