第55卷 第1期2024年1月太原理工大学学报J O U R N A L O F T A I Y U A N U N I V E R S I T Y O F T E C HN O L O G YV o l .55N o .1 J a n .2024引文格式:徐双,刘文斌,李佳龙,等.大数据背景下的数据安全治理研究进展[J ].太原理工大学学报,2024,55(1):127-141.X U S h u a n g ,L I U W e n b i n ,L I J i a l o n g ,e t a l .R e s e a r c h p r o g r e s s o n d a t a s e c u r i t y g o v e r n a n c e u n d e r t h e b a c k gr o u n d o f b i g d a t a [J ].J o u r n a l o f T a i y u a n U n i v e r s i t y o f T e c h n o l o g y,2024,55(1):127-141.收稿日期:2023-04-20;修回日期:2023-06-22基金项目:国家自然科学基金资助项目(62102280);山西省基础研究计划资助项目(20210302124167);山西省重点研发计划项目(202102020101001);国家自然科学基金面上资助项目(61972273);山西省关键核心技术和共性技术研发攻关专项项目(2020X X X 007)资助 第一作者:徐双(1990-),博士,讲师,主要研究领域为空天网络㊁边缘计算㊁数据资产管理,(E -m a i l )x u s h u a n g @t yu t .e d u .c n 大数据背景下的数据安全治理研究进展徐 双a ,b ,刘文斌a ,李佳龙a ,李灯熬a ,b ,c ,赵菊敏b ,c ,d(太原理工大学a .大数据学院,b .大数据融合分析与应用山西省重点实验室,c .山西省智能感知工程研究中心,d .信息与计算机学院,山西晋中030600)摘 要:ʌ目的ɔ通过检索与分析数据安全治理相关技术文献,从数据全生命周期各阶段入手,展开实现数据安全治理的各类安全治理技术研究㊂ʌ方法ɔ首先,通过介绍数据安全治理现状,分析加强数据安全治理研究的重要性;其次,具体阐述了数据全生命周期理论,给出数据生命周期的不同阶段;然后,系统性总结了数据准备㊁使用㊁存储与销毁等不同生命周期阶段的数据安全治理技术及其应用;最后,对数据安全治理面临的挑战与未来研究方向进行了分析与展望㊂ʌ结论ɔ加强数据安全治理,不论是对个人信息的隐私保护,还是对数据产业自身发展,甚至是对国家的信息安全,都有着重大意义㊂数据安全治理领域应更好地将区块链技术和实际应用相结合,建立更加健全的数据追责机制,明确数据使用的责任和义务㊂关键词:数据安全治理;全生命周期;数据准备;数据使用;数据存储与销毁中图分类号:T P 309.2 文献标识码:AD O I :10.16355/j .t yu t .1007-9432.20230294 文章编号:1007-9432(2024)01-0127-15R e s e a r c h P r o g r e s s o n D a t a S e c u r i t y G o v e r n a n c e U n d e r t h e B a c k g r o u n d o f B i g Da t a X U S h u a n g a ,b,L I U W e n b i n a ,L I J i a l o n g a ,L I D e n g'a o a ,b ,c ,Z H A O J u m i n b ,c ,d (a .C o l l e g e o f D a t a S c i e n c e ,b .K e y L a b o r a t o r y o f B i g D a t a F u s i o n A n a l y s i s a n d A p p l i c a t i o n o fS h a n x i P r o v i n c e ,c .I n t e l l i g e n t P e r c e p t i o n E n g i n e e r i n g T e c h n o l o g y C e n t e r o f Sh a n x i ,d .C o l l e g e o f I n f o r m a t i o n a n d C o m p u t e r ,T a i y u a n U n i v e r s i t yo f T e c h n o l o g y ,J i n z h o n g 030600,C h i n a )A b s t r a c t :ʌP u r po s e s ɔI n t h i s p a p e r ,r e s e a r c h o n v a r i o u s s t a g e s o f t h e d a t a l i f e c y c l e a n d v a r i -o u s s e c u r i t y g o v e r n a n c e t e c h n o l o g i e s h a s b e e n c o n d u c t e d t o a c h i e v e d a t a s e c u r i t y go v e r n a n c e p r o -g r e s s b y s e a r c h i n g a n d a n a l y z i n g r e l a t e d t e c h n i c a l l i t e r a t u r e s .ʌM o t h e d s ɔF i r s t ,t h e i m po r t a n c e o f s t r e n g t h e n i n g r e s e a r c h o n d a t a s e c u r i t y g o v e r n a n c e i s a n a l y z e d b y i n t r o d u c i n g th e s t a t u s q u o o f d a t a s e c u r i t y g o v e r n a n c e .S e c o n d ,t h e t h e o r y o f t h e w h o l e d a t a l i f e c y c l e i s e x po u n d e d i n d e t a i l ,a n d t h e d i f f e r e n t s t a g e s o f t h e d a t a l i f e c y c l e a r e g i v e n .T h i r d ,t h e d a t a s e c u r i t y go v e r n a n c e t e c h -n o l o g i e s a n d t h e i r a p p l i c a t i o n s i n d i f f e r e n t l i f e c y c l e s t a g e s s u c h a s d a t a p r e p a r a t i o n ,u s e ,s t o r a ge ,a n d d e s t r u c t i o n a r e s y s t e m a t i c a l h y s u mm a r i z e d .A t l a s t ,t h e c h a l l e n ge s a n df u t u r e r e s e a r c h d i r e c -t i o n s o f d a t a s e c u r i t yg o v e r n a n c e a r e a n a l y z e d a n d p r o s p e c t e d .ʌC o n c l u s i o n s ɔS t r e n g th e ni n g da t as e c u r i t y g o v e r n a n c e i s o f g r e a t s i g n i f i c a n c e,w h e t h e r f o r t h e p r i v a c y p r o t e c t i o n o f p e r s o n a l i n f o r-m a t i o n,o r f o r t h e d e v e l o p m e n t o f t h e d a t a i n d u s t r y i t s e l f,o r e v e n f o r t h e i n f o r m a t i o n s e c u r i t y o f t h e c o u n t r y.K e y w o r d s:d a t a s e c u r i t y g o v e r n a n c e;f u l l l i f e c y c l e;d a t a p r e p a r a t i o n;d a t a u s a g e;d a t a s t o r a g ea n d d e s t r u c t i o n随着互联网的发展与信息技术的进步,数据已经成为影响社会生产的关键要素,其体量已达到P B/E B级别㊂数据总量呈现爆发式增长的同时[1],数据价值愈加凸显,数据安全风险与日俱增㊂数据泄露㊁数据贩卖等数据安全事件频发,为个人隐私㊁企业商业机密㊁国家重要情报等带来了严重的安全隐患㊂因此,数据的安全性显得尤为重要,数据安全已成为数字经济时代最紧迫㊁最基础的安全问题,加强数据安全治理已成为维护国家安全和国家竞争力的战略需要㊂随着‘中华人民共和国数据安全法“的正式颁布,数据安全在国家安全体系中的重要地位得到进一步的明确㊂本文通过对数据安全治理领域现有研究成果的分析,对大数据环境下的数据安全治理技术进行了全面的探索与总结㊂1数据安全治理概述数据安全治理以 让数据使用更安全 为目的,对企业或组织内部的数据进行规范化管理和保护,以确保数据的完整性㊁保密性和可用性㊂其本质是以数据为中心设计和实施安全保护措施,以数据安全能力成熟度为抓手的体系化方法论[2]㊂数字经济时代,数据安全㊁高效地流通交易才能更好地释放数据价值㊂因此,数据安全治理的目标是在合规保障及风险管理的前提下,实现数据的开发利用,保障企业数据管理业务的持续健康发展,确保数据安全与业务发展的双向促进㊂数据治理的核心产出是数据质量的显化和提升,而数据安全治理是保障上述产出的核心手段和措施,所以不能简单将数据安全治理视为数据治理的一个分支㊂对于同样容易混淆的数据安全管理来说,管理的概念通常强调控制和执行,以形成制度和规范条例的方式加以表述和落实;治理则更强调协调和合作,通常以方法论的形式呈现㊂在数据安全范畴内,数据安全治理相比数据安全管理拥有更好的灵活性㊁丰富性和包容性,更有利于指引数据安全建设㊂根据在I E E E㊁S a g e㊁S c i e n c e D i r e c t㊁A C M㊁W i-l e y五大出版社上以标题㊁摘要㊁关键词为搜索范围,使用 d a t a s e c u r i t y g o v e r n a n c e 进行搜索,获得了从2014 2023年的论文数量数据,如图1所示㊂论文统计截止到2023年5月,因此发现,论文数量大致呈现逐年增长趋势,且预计其未来趋势仍然呈增长,从这些论文数量的增长趋势中可以看出,学术界对数据安全治理问题的研究兴趣不断提升㊂这反映了学者们对于数据安全和隐私保护的重视,以及对数据泄露㊁网络攻击和其他数据安全威胁的关注㊂此外,数据安全治理在组织和企业层面的实践也成为研究的热点,学者们致力于寻找有效的方法和策略来建立健全的数据安全治理框架㊂403833293120332432252326243029241723251725201814935284540424139372955463154497254445862641616382482014201520162017201820192020202120222023年份30025020015010050论文数量/篇IEEESageScience directACMWiley图1数据安全治理相关文献数统计F i g.1 S t a t i s t i c s o n t h e n u m b e r o f l i t e r a t u r e r e l a t e dt o d a t a s e c u r i t y g o v e r n a n c e针对相关论文总体发表情况的进一步研究,发现数据安全治理研究的综述类文章占极少数,且对具体的㊁适应时代的数据安全治理技术缺少系统性的总结归纳,所以我们在这一相关工作方面展开了研究㊂目前,数据安全治理存在以下几个问题:1)由于网络攻击不当等原因,数据泄露[3]的风险在不断增加㊂近年来,各种规模的数据泄露事件频发,其影响范围涉及个人㊁企业㊁政府等多个领域㊂这些事件揭示了数据安全治理的薄弱环节,暴露了许多企业和组织对于数据安全的重视不足㊂与不可靠的合作伙伴进行数据共享可能导致数据泄露,使企业面临巨大的数据安全风险[4]㊂不安全的数据交换通道以及对合作伙伴的安全审核不力,都可能导致数据被821太原理工大学学报第55卷泄露或滥用㊂2)内部威胁对数据安全构成了一定的风险,需要适当的访问控制㊁监控机制和对员工行为的审计来检测并防止此类威胁㊂这包括员工㊁管理员或其他拥有内部权限的人员,他们可能窃取敏感数据以谋取个人利益㊁进行报复行为或为竞争对手获取商业数据㊂例如,将敏感数据发送给错误的收件人㊁在不安全的网络上进行数据传输㊁未经授权地使用或访问数据等㊂这些操作可能是无意的,但却可能对数据安全造成严重影响㊂3)数据安全治理需要专业的人员进行管理和维护,但是目前我国的数据安全人才缺口较大,而且人员技能水平也存在一定的差异㊂一些企业和组织没有意识到数据安全的重要性,内部没有建立完善的数据管理体系,导致数据管理混乱,数据安全无法得到有效保障,同时数据安全治理相关方面的研究较少㊂4)很多企业和组织没有采取有效措施保护用户的个人隐私,数据隐私保护不足导致用户的个人信息被滥用㊂例如,一些企业违规应用过度收集个人信息,平台应用通过用户隐私协议授权,过度的读取隐私信息等㊂2数据全生命周期从某种意义上说,数据如同企业其他资产一样,也具有生命周期[5]㊂只有充分地认识数据的全生命周期,才能更好地描述㊁衡量㊁量化和治理数据㊂在实际应用中,特定的数据所经历的生命周期由实际的业务场景所决定,并非所有的数据都会完整地经历每个阶段㊂数据生命周期是指从产生或获取到销毁的过程,包括以下几个阶段[6]㊂数据准备阶段:在这个阶段中,数据采集是指从各种来源收集数据的过程㊂所收集到的数据种类包括语音㊁图片㊁视频㊁用户上网行为㊁设备地理位置㊁管理系统日志以及网站信息等,这些多种多样的数据可能来源于传感器㊁设备㊁应用程序或社交媒体等㊂采集完数据后,需要对所采集的数据进行清洗㊁转换㊁聚合和分析等处理㊂经过处理和转换,数据将被转换为可用的格式,以便于后续的分析和使用,从而更好地理解数据[7]㊂其中,最主要的安全问题包括:敏感数据与非敏感数据难以分离,数据监管难度增大,重要信息容易泄露等㊂为了确保数据在数据准备阶段的安全性,数据隔离㊁数据脱敏和数据分类分级等安全治理技术被广泛应用㊂数据使用阶段:这个阶段是数据全生命周期中最具挑战的一个环节,包含了数据的分析㊁共享和使用㊂其中,数据分析通过深入探索和分析数据,以发现其中隐藏的信息和趋势,从而体现数据价值,并为不同需求的人和组织提供相对应的服务㊂数据分析后,可以提供有用的策略,并被用于不同的场景,提供同等价值的信息输出㊂数据共享通过把数据分享给他人或组织,以促进知识共享和合作㊂在数据使用过程中,数据需要进行相关安全处理,例如防篡改或抵御攻击㊂综上可知,在数据使用阶段需要采取一系列安全技术来保障数据的机密性㊁完整性和可用性,可以采用的安全技术包括基于区块链的数据共享技术㊁同态加密㊁基于量子技术的数据加密等㊂数据存储和销毁阶段:数据存储指将数据保存到硬盘㊁云存储等物理存储介质中㊂数据被存储后,需要保证其完整性和可靠性㊂数据销毁是指在数据不再需要时进行删除㊁封存㊁回档等操作,旨在对机密性数据或垃圾数据采取保护措施或消除措施㊂销毁的相关数据还要建立备份信息并严密保存,以备后续使用和查档㊂该阶段可采用的安全技术主要有审计日志㊁数据备份㊁访问控制等㊂3数据准备安全技术3.1数据隔离数据隔离是指将不同类型或不同级别的数据分开,以确保敏感数据不被未经授权的用户或应用程序访问或泄漏㊂数据隔离可以应用于不同的场景,例如计算机系统㊁数据库㊁网络环境等㊂在计算机系统中,数据隔离通常涉及将不同用户或应用程序的数据分开,可以通过物理隔离㊁逻辑隔离等不同方式实现㊂物理隔离需要将不同的服务器或存储设备分开,每个设备只存储特定用户或应用程序的数据㊂逻辑隔离需要使用访问限制机制来确保每个用户只能访问其授权的数据㊂下面分别介绍物理隔离和逻辑隔离技术的应用实例㊂防火墙技术是数据隔离中的一种物理隔离技术,它通过结合各种软件和硬件设备进行安全管理,在计算机内部网络和外部网络之间建立保护屏障,用于确保用户数据和信息安全㊂防火墙技术主要用于发现和处理计算机网络运行时可能存在的安全风险以及数据传输等问题㊂防火墙通过检查I P 地址和端口号等几个字段来过滤网络流量从而实现保护数据[8]㊂目前主要的防火墙技术包括网络隔离㊁访问限制㊁数据过滤㊁应用隔离等,其作用如表1所示㊂921第1期徐双,等:大数据背景下的数据安全治理研究进展表1防火墙技术T a b l e1 F i r e w a l l t e c h n o l o g y 组成部分作用网络隔离对网络进行划分,不同网络之间通过防火墙实现物理隔离,避免不同网络之间的数据互相干扰和泄露㊂访问限制设置规则,限制不同用户或主机对网络资源的访问,从而实现访问限制和数据隔离㊂数据过滤根据指定的过滤规则,对进出网络的数据进行检查和过滤,从而防止恶意攻击和数据泄露㊂应用隔离对不同的应用程序进行隔离,避免恶意程序通过网络传播和攻击其他系统㊂传统防火墙在配置和处理阶段都使用列表规则来调节网络流量㊂但是,使用列表规则配置防火墙可能会导致规则冲突,并降低防火墙的运行速度㊂为了克服这个问题,C HOM S I R I e t a l[9]提出了树规则防火墙㊂其树规则防火墙的图形用户接口被用来为用户创建无冲突的防火墙规则,将这些规则组织成树状结构,称为 树规则 ㊂这些树规则稍后被转换为列表规则,这些规则具有无冲突的优点㊂之后在决策过程中利用列表规则验证数据包报头信息,核心防火墙将匹配最多报文的规则移到最上方㊂尽管树规则防火墙保证其规则集中没有冲突,并且运行速度比传统防火墙快,但是使用散列函数跟踪网络连接的状态会导致额外的计算开销㊂为了减少额外的计算开销,C HOM S I R I e t a l[9]提出了一种混合树规则防火墙㊂这种混合方案同时利用了树规则防火墙和传统的列表规则防火墙㊂应用该混合方案的机制在保障传统防火墙功能的同时,可以显著提高防火墙的运行速度㊂W e b应用程序是I n t e r n e t上最常用的信息和服务交换平台㊂目前,信息通过社交网络和在线商务蓬勃发展㊂因此,除了计算机网络的数据安全之外,业界也更加关注W e b应用程序数据的安全㊂W e b应用程序同样也是数据的重要流通地点,针对W e b应用程序的攻击层出不穷,保护W e b应用程序的数据安全是当前数据安全治理的重要组成部分㊂V A R T O U N I e t a l[10]提出了基于深度神经网络和并行特征融合的防火墙方法,该方法采用堆叠自编码器和深度信念网络(d e e p b e l i e f n e t w o r k s, D B N)作为特征学习方法,在训练阶段只使用正常数据进行分类,然后使用支持向量机㊁隔离森林和椭圆包络作为分类器㊂提出者测试了本方法的性能,结果表明,使用深度神经网络模型和并行特征融合模型,在合理的时间内具有更好的准确性和泛化性能㊂但由于D B N训练过程中需要进行无监督的逐层训练,计算资源和时间成本比较高㊂因此,WA N G e t a l[11]构建了一个基于深度学习中卷积神经网络的云w e b应用防火墙系统㊂系统架构采用多服务器分布式架构㊂考虑到W e b请求的实时性和用户的用户体验感,使用了高性能服务器框架O-p e n e r s和高效卷积神经网络㊂卷积神经网络在保证识别率的同时,通过反向传播算法进行训练,提高了系统的运行效率㊂云防火墙是防止恶意用户未经授权访问云资源[12]的主要安全屏障之一㊂目前针对云的防火墙技术大多数采用的是基于静态安全规则配置或简单的规则匹配,具有较低的灵活性,不能保证网络安全等问题㊂L I e t a l[13]提出一种基于可编程数据规划的数据状态防火墙,该防火墙通过设计有限状态机和状态表,实现数据包在数据平面上连接状态信息的提取㊁分析和记录,保证细粒度的访问控制并减少通信开销㊂L I U e t a l[14]为个人云客户提出了一个分散的云防火墙框架㊂研究了在云防火墙的加强保障下,如何动态分配资源,以优化资源配置成本,同时满足个别客户指定的服务质量要求㊂C A R V A L-HO e t a l[15]为云防火墙提出了一个多维连续时间马尔可夫链模型,该模型考虑了合法和恶意数据流量的突发性和相关性特征㊂通过采用马尔可夫调制泊松过程和中断泊松过程,确定了云防火墙可能遭受可用性损失的工作负载条件㊂此外,还解释了合法和恶意数据流量的突发性和相关性可能会导致云防火墙的性能下降㊂最后,通过提出一个马尔可夫调制泊松过程驱动的负载平衡过程来设计一个弹性云防火墙,该过程动态地提供虚拟防火墙,同时满足服务水平协议规范㊂入侵检测作为对防火墙的进一步扩展,可以帮助计算机防御网络攻击,加强系统的安全管理能力,并提高数据安全架构的完整性㊂入侵检测是通过从计算机网络系统中的几个关键点获取数据,并进行分析处理,根据分析结果搜索破坏安全的行为㊂入侵检测系统分为两种类型,一种是基于主机的入侵检测系统(h o s t-b a s e d i n t r u s i o n d e t e c t i o n s y s t e m, H I D S),另一种是网络入侵检测系统(n e t w o r k i n-t r u s i o n d e t e c t i o n s y s t e m,N I D S).MA e t a l[16]设计了一种基于入侵检测系统(i n t r u s i o n d e t e c t i o n s y s-t e m,I D S)的反馈变更规则防火墙,以实现对攻击的灵活检测㊂它结合了防火墙和入侵检测系统,使用入侵检测系统检测I C M P㊁T C P㊁U D P攻击㊂此外,为了突出防火墙的重要性,I D S所监控的数据会被自动分析并添加到防火墙的防御策略中㊂反馈变更031太原理工大学学报第55卷规则的防火墙在提高系统的有效性和提高整个系统过滤攻击的效率方面起着至关重要的作用㊂V I-N A Y A K UMA R e t a l[17]探讨了深度学习模型中的深度神经网络(d e e p n e u r a l n e t w o r k s,D N N),提出了一种基于高可扩展性框架的混合入侵检测报警系统,框架采用分布式深度学习模型和D N N来实时处理和分析超大规模的数据,以开发一种灵活有效的I D S来检测和分类不可预见或不可预测的网络攻击㊂S HO N E e t a l[18]提出了基于无监督特征学习的新型非对称深度自编码器(n o n-s y mm e t r i c d e e p a u t o-e n c o d e r,N D A E)方法,并在此基础上构建了基于堆叠N D A E和随机森林分类算法的入侵检测分类模型㊂该方法提升了预防攻击的准确性㊁精密度和召回率,同时减少了训练时间㊂最值得注意的是,堆叠N D A E模型的入侵检测方法相较于基于D B N 的入侵检测方法,其模型的入侵检测准确性提高了5%,训练时间降低了98.81%.针对现有的入侵检测方法会损害无线传感器网络的安全性和隐私性,无法实现安全数据传输的问题,A L Z U B I e t a l[19]提出了基于深度学习的无线传感器网络入侵检测f r e c h e t-d i r i c h l e t模型㊂该模型引入广义弗雷歇双曲深度和迪利克雷安全(f r e c h e t h y p e r b o l i c d e e p a n d d i r i c h l e t s e c u r e d,F H D-D S)数据通信模型,首先通过F r e c h e t双曲线深度流量特征提取方法提取更多的相关网络活动和固有流量特征,然后利用提取的特征对异常或正常数据进行预测㊂其次,采用基于统计狄利克雷异常的入侵检测模型实现入侵发现,并通过评估D i r i c h l e t分布以实现安全的数据传输,并有效检测传感器网络中的入侵㊂利用数据集对所提方法的入侵检测时间和数据传输速率等因素进行实验评估发现,广义F H D-D S 数据通信方法在较短的时间内实现较高的入侵检测率㊂逻辑隔离技术是指通过软件或配置等手段将不同的数据从逻辑上隔离开来,以确保它们之间的安全和完整性㊂下面将从信息泄露㊁云存储数据安全防护㊁软件攻击面等领域逐一介绍可采用的逻辑隔离技术㊂M I L B U R N e t a l[20]提出了基于类型的数据隔离(t y p e-b a s e d d a t a i s o l a t i o n,T D I),如图2所示,可以减轻信息泄露㊂T D I将不同特征的内存对象隔离在不同的内存区域中,并使用高效的编译器工具将其约束到预期特征的区域㊂T D I中基于竞技场的设计将检测从负载转移到指针算术操作,实现了新的积极的推测感知性能优化,并消除了对点分析的需求㊂此外,T D I的特征管理灵活,提供了细粒度的数据隔离,消除了对注释的需要,其平均性能开销较小㊂静态分析算术分类指针检测编译器检测源代码类型化堆栈屏蔽类型检测强化二进制基于竞技场的堆分配器堆栈隔离运行时支持静态类型信息图2 T D I的高级概述F i g.2 H i g h-l e v e l o v e r v i e w o f T D I随着数据量的不断增大,传统的数据存储已经不能满足用户需求,云存储系统可以通过共享的服务器和磁盘池为多个租户提供服务来实现规模经济㊂这也导致了来自相同设备上不同租户的数据混合,针对云存储的数据安全防护变得尤为重要㊂由于该情况下唯一的保护是应用程序级别的保护,不足以使多租户的数据同时得到防护,一个漏洞就会威胁到所有租户的数据,并可能导致跨租户数据泄露,使云计算比专用物理资源的安全性低得多㊂为了提供接近物理隔离的安全性,同时允许完整的资源池,F A C T O R e t a l[21]提出了多租户安全逻辑隔离(s e c u r i t y l o g i c a l i s o l a t i o n f o r m u l t i-t e n a n c y, S L I M).S L I M集成了一个完整的安全模型,提出了一组用于云存储系统中租户资源之间安全逻辑隔离的原则,以及一组用于实现该模型的机制㊂这种在多租户云存储系统中实现租户隔离的端到端方法,允许用户共享所有资源的同时,实现了租户权限的分离㊂数据安全已成为信息时代的一个主要话题㊂多年来,软件攻击面一直是安全漏洞的主要领域㊂尽管已经对漏洞防护进行了很好的研究,但利用漏洞的攻击仍然广泛存在㊂鉴于这些攻击的持续性, A R T HU R e t a l[22]提出了一种新的数据安全方法,称为控制数据隔离,直接消除了问题的主要根源 间接控制流㊂它通过避免使用间接控制来消除潜在恶意运行时的数据和程序控制之间的联系㊂该研究已经证明,从源头处理控制流攻击不仅是可行的,而131第1期徐双,等:大数据背景下的数据安全治理研究进展且对运行时性能的影响最小㊂控制数据隔离提供了高级别的安全性,同时减少了开销㊂通过直接处理控制流攻击,而不是减轻它们,可以大大减少整个软件的攻击面㊂3.2数据脱敏数据脱敏是指在保留数据原始格式和属性特征的前提下,通过敏感规则对涉及个人隐私㊁商业机密以及技术秘密等敏感信息进行数据变形,实现对敏感隐私数据可靠保护的技术㊂数据敏感信息的识别是数据脱敏的前提,数据脱敏一般包括:确定脱敏规则与脱敏算法㊁制定脱敏方案㊁实施脱敏操作等过程㊂数据脱敏一般分为静态数据脱敏和动态数据脱敏,静态数据脱敏是在数据收集时对数据进行脱敏,以确保数据在整个处理过程中保持匿名或难以识别㊂例如,静态数据脱敏可以通过替换或删除敏感数据元素(如姓名㊁地址㊁电话号码等)来实现,这种方法可以保护数据隐私,但可能会降低数据的实用性㊂动态数据脱敏则是在数据处理时对数据进行脱敏,以确保敏感信息仅在需要时才被揭示㊂例如,在数据传输过程中,可以对数据进行动态脱敏,仅在数据到达目的地后才恢复原始值㊂这种方法可以保护数据隐私,并保留数据的实用性㊂这些技术的应用可以有效地降低数据泄露和滥用的风险,并确保数据隐私和安全性㊂数据脱敏策略应该具有可扩展性和灵活性,并可以根据不同的用户需求进行脱敏方案设计㊂根据敏感信息的数据类型和敏感程度搭配不同的脱敏方法,确保对敏感信息的保护,充分发挥数据的价值[23]㊂数据掩码方法属于静态数据脱敏技术,通过使用掩盖字符或通配符等符号,替换敏感信息来保护数据的隐私㊂例如,使用星号替代身份证号码中的部分数字,如 **19900101 .这种方法虽然简单易实现,允许对编码数据执行测试或分析任务,从而限制私人信息暴露给第三方系统或个人,但它们可能会导致信息泄露,因为它们保留了太多输入数据的格式,从而增加了攻击者猜测私人信息的机会[24]㊂数据屏蔽指的是使用特殊的技术对数据进行屏蔽,属于动态脱敏,以确保敏感信息无法被直接识别㊂与数据掩码技术相比,特别是当训练样本数量较大时,该方法具有较低的风险㊂P H AM e t a l[25]提出了一种用于隐私敏感学习的数据屏蔽技术㊂其主要思想是迭代地寻找被屏蔽数据,使得分类器上关于被屏蔽数据的似然梯度为零,在保证隐私保护的情况下屏蔽私有数据,同时确保在屏蔽数据上训练的分类器与在原始数据上训练的分类器相似,以保持可用性㊂而这种方法占用较多内存,迭代的次数与效率不成正比㊂针对数据屏蔽会占用大量资源且某些替代方法不能从根本上解决数据丢失的问题,B I e t a l[26]提出基于模糊集的数据脱敏算法,使用模糊集对数据进行脱敏以后,数据只有很小的概率会被修复㊂与基于数据变形思想的数据脱敏方法相比,基于模糊集的脱敏方法具有较大优势㊂另外,由于模糊集具有很多种不同的隶属度函数,可以实现对脱敏算法的智能选择㊂传统的数据脱敏方法可能会破坏相关信息,进而造成数据泄露的问题,X I A N G e t a l[27]提出一种基于改进的S t a c k e l b e r g生成对抗网络㊂该网络与普通的生成对抗网络相比,具备更多的发生器与训练器,同时引入一个具有N个鉴别器的特殊领导者㊂在网络开始训练时,鉴别器的输出结果接近于0,发生器的输出结果接近于1;在网络训练过程中,每个鉴别器都具备相同的权重,各自进行训练并做出判断,通过领导者汇集所有结果,并计算结果的平均值㊂随着每个鉴别器不断自我训练,模型效果会越来越理想,直至能够最大程度地区别实际数据与生成数据,即此时的鉴别器与生成器处于平衡状态㊂3.3数据分类分级数据分类是从数据管理的角度出发,通过聚集具有相同属性或特征的信息,形成不同的类别,便于使用者操作和鉴别数据信息㊂数据分级是从数据安全的角度出发,按照信息的敏感程度或影响程度对数据信息进行分级㊂两者都可以更好地管理和保护数据资源㊂传统的分类分级方法通常采用静态的分类体系,例如机密性等级分类㊁重要性等级分类㊁风险等级分类等㊂大规模数据存在动态性和多样性,数据的价值和敏感程度可能会随着时间㊁上下文和使用目的的变化而变化,静态分类体系无法灵活地应对这种变化㊂此外,大规模数据存在着交叉和关联的情况,不同数据之间可能存在复杂的关系,传统的分类分级方法往往只考虑单个数据项的分类,而忽略了数据之间的关联性,这导致其无法全面地评估和管理数据的安全风险㊂因此,新兴的数据分类分级方法应运而生㊂Z H A O e t a l[28]提出基于全局和局部颗粒化的知识粒度方法,在不改变原始数据的情况下实现长尾数据的层次分类㊂首先,提出者考虑到W o r d N e t知识组织的层次结构,于是采用了全局231太原理工大学学报第55卷。
