前言

某次新來的同事，在開發環境執行了這樣的代碼：

// 反例：直接將生產數據同步到測試環境  
public void syncUserToTest(User user) {  
    testDB.insert(user); // 包含手機號、身份證等敏感字段  
}

直接將生產的數據，比如：手機號、身份證等敏感字段，同步到了測試環境。

結果1天后，受到了公司領導的批評。

這個案例揭示了數據脫敏的極端重要性。

這篇文章給大家分享6種常用的數據脫敏方案，希望對你會有所幫助。

方案1：字符串替換（青銅級）

技術原理：通過正則表達式對敏感數據進行部分字符替換

典型代碼實現：

public class StringMasker {  
    // 手機號脫敏：13812345678 → 138****5678  
    public static String maskMobile(String mobile) {  
        return mobile.replaceAll("(\\d{3})\\d{4}(\\d{4})", "$1****$2");  
    }  

    // 身份證脫敏：110101199003077777 → 1101********7777  
    public static String maskIdCard(String idCard) {  
        if (idCard.length() == 18) {  
            return idCard.replaceAll("(\\d{4})\\d{10}(\\w{4})", "$1****$2");  
        }  
        return idCard; // 處理15位舊身份證  
    }  
}

使用正則表達式將關鍵字字段替換成了*

適用場景對比：

優缺點分析：

• ? 優點：實現簡單、性能高（時間復雜度O(n)）
• ? 缺點：
  • 無法恢復原始數據
  • 正則表達式需考慮多國數據格式差異
  • 存在模式被破解風險（如固定位置替換）

方案2：加密算法（白銀級）

加密算法選型：

完整實現示例：

public class AESEncryptor {  
    private static final String ALGORITHM = "AES/GCM/NoPadding";  
    private static final int TAG_LENGTH = 128; // 認證標簽長度  

    public static String encrypt(String plaintext, SecretKey key) {  
        byte[] iv = new byte[12]; // GCM推薦12字節IV  
        SecureRandom random = new SecureRandom();  
        random.nextBytes(iv);  

        Cipher cipher = Cipher.getInstance(ALGORITHM);  
        cipher.init(Cipher.ENCRYPT_MODE, key, new GCMParameterSpec(TAG_LENGTH, iv));  

        byte[] ciphertext = cipher.doFinal(plaintext.getBytes(StandardCharsets.UTF_8));  
        return Base64.getEncoder().encodeToString(iv) + ":" +  
               Base64.getEncoder().encodeToString(ciphertext);  
    }  

    // 解密方法類似...  
}

密鑰管理方案對比：

方案3：數據遮蔽（黃金級）

數據庫層實現數據遮蔽：

-- 創建脫敏視圖  
CREATE VIEW masked_customers AS  
SELECT  
    id,  
    CONCAT(SUBSTR(name,1,1), '***') AS name,  
    CONCAT(SUBSTR(mobile,1,3), '****', SUBSTR(mobile,8,4)) AS mobile  
FROM customers;  

-- 使用列級權限控制  
GRANT SELECT (id, name, mobile) ON masked_customers TO test_user;

創建數據脫敏視圖，在視圖中將關鍵字段做遮蔽。

然后在后面需要用到這些字段的代碼，需要統一從視圖中查詢數據。

代理層實現（ShardingSphere示例）：

rules:  
- !MASK  
  tables:  
    user:  
      columns:  
        phone:  
          maskAlgorithm: phone_mask  
  maskAlgorithms:  
    phone_mask:  
      type: MD5  
      props:  
        salt: abcdefg123456

性能影響測試數據：

方案4：數據替換（鉑金級）

將原始數據和脫敏的數據保存到cache中，方便后面快速的做轉換。

映射表設計：

// 使用Guava Cache實現LRU緩存  
LoadingCache<String, String> dataMapping = CacheBuilder.newBuilder()  
    .maximumSize(100000)  
    .expireAfterAccess(30, TimeUnit.MINUTES)  
    .build(new CacheLoader<String, String>() {  
        public String load(String key) {  
            return UUID.randomUUID().toString().replace("-", "");  
        }  
    });  

public String replaceData(String original) {  
    return dataMapping.get(original);  
}

替換流程：

方案5：動態脫敏（鉆石級）

應用層實現（Spring AOP示例）：

@Aspect  
@Component  
public class DataMaskAspect {  

    @Around("@annotation(requiresMasking)")  
    public Object maskData(ProceedingJoinPoint joinPoint, RequiresMasking requiresMasking) throws Throwable {  
        Object result = joinPoint.proceed();  
        return mask(result, requiresMasking.type());  
    }  

    private Object mask(Object data, MaskType type) {  
        if (data instanceof User) {  
            User user = (User) data;  
            switch(type) {  
                case MOBILE:  
                    user.setMobile(MaskUtil.maskMobile(user.getMobile()));  
                    break;  
                case ID_CARD:  
                    user.setIdCard(MaskUtil.maskIdCard(user.getIdCard()));  
                    break;  
            }  
        }  
        return data;  
    }  
}

在需要做數據脫敏的字段上技術RequiresMasking注解，然后在Spring的AOP攔截器中，通過工具類動態實現數據的脫敏。

數據庫代理層架構：

方案6：K匿名化（王者級）

1. 通俗原理解釋

假設醫院發布就診數據：

當K=3時，攻擊者無法確定具體某人的疾病，因為3人都具有相同特征（25歲男性）。

2. 實現步驟

醫療數據泛化示例：

public class KAnonymity {  

    // 年齡泛化：精確值→范圍  
    public static String generalizeAge(int age) {  
        int range = 10; // K=10  
        int lower = (age / range) * range;  
        int upper = lower + range - 1;  
        return lower + "-" + upper;  
    }  
}

假設range是K值，等于10。

generalizeAge方法中，通過一定的算法，將年齡的精確值，泛化成一個區間范圍。

輸入年齡28，返回20-29。

K值選擇原則：

總結

下面是某電商平臺各方案的使用占比：

蘇三的3個核心建議：

1. 數據分類分級：不同級別數據采用不同脫敏策略
2. 定期審計：使用自動化工具掃描敏感數據泄露
3. 最小化原則：能不收集的敏感數據堅決不收集

靈魂拷問：
當黑客攻破你的數據庫時，里面的數據是否像諾基亞功能機一樣"防摔"？

安全大禮包

• 敏感數據掃描工具
• 脫敏策略檢查表
• 數據安全架構白皮書

最后說一句(求關注，別白嫖我)

如果這篇文章對您有所幫助，或者有所啟發的話，幫忙關注一下我的同名公眾號：蘇三說技術，我的所有文章都會在公眾號上首發，您的支持是我堅持寫作最大的動力。

求一鍵三連：點贊、轉發、在看。

關注公眾號：【蘇三說技術】，在公眾號中回復：進大廠，可以免費獲取我最近整理的10萬字的面試寶典，好多小伙伴靠這個寶典拿到了多家大廠的offer。

本文收錄于我的技術網站：http://www.susan.net.cn