第二步：敏感數(shù)據(jù)追蹤

數(shù)據(jù)分為結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化的數(shù)據(jù)是指可以使用關(guān)系型數(shù)據(jù)庫表示和存儲，表現(xiàn)為二維形式的數(shù)據(jù)；半結(jié)構(gòu)化數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)的一種形式，它并不符合關(guān)系型數(shù)據(jù)庫或其他數(shù)據(jù)表的形式關(guān)聯(lián)起來的數(shù)據(jù)模型結(jié)構(gòu)，但它含相關(guān)標記，用來分隔語義元素以及對記錄和字段進行分層；非結(jié)構(gòu)化數(shù)據(jù)就是沒有固定結(jié)構(gòu)的數(shù)據(jù)。在大數(shù)據(jù)環(huán)境中，這三類數(shù)據(jù)都會存在，并且被合理的存儲和使用。

從數(shù)據(jù)存儲和使用的角度，我們會發(fā)現(xiàn)數(shù)據(jù)有兩種形態(tài)，分別為靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)，下面，我們就以大數(shù)據(jù)環(huán)境Hadoop為例來看看數(shù)據(jù)都在哪里。

從上圖可以看出，靜態(tài)數(shù)據(jù)滯留在數(shù)據(jù)存儲層，而動態(tài)數(shù)據(jù)則出現(xiàn)在數(shù)據(jù)分析層、數(shù)據(jù)共享層、數(shù)據(jù)應用層。在數(shù)據(jù)存儲層利用主動掃描的技術(shù)可以快速發(fā)現(xiàn)和梳理靜態(tài)數(shù)據(jù)，在數(shù)據(jù)分析層、數(shù)據(jù)共享層、數(shù)據(jù)應用層，我們可以利用監(jiān)聽的方式獲取動態(tài)數(shù)據(jù)以及數(shù)據(jù)的流轉(zhuǎn)與轉(zhuǎn)換情況，監(jiān)聽方式包括：鏈路旁路鏡像和插件Agent方式。

第三步：敏感數(shù)據(jù)挖掘

今天我們說的不是挖掘技術(shù)，而是敏感數(shù)據(jù)的屬性組成，下面以個人信息為例做簡單的說明：

身份唯一標識：具有唯一性，不可替代性，通過此唯一標識信息，可以快速知道個人真實的年齡、城市、城區(qū)，甚至可以知道其人的姓名，當此信息被泄露后，將直接導致個人信息公開，隱私將被曝光。信息密級為：特高。

用戶身份鑒別信息：此類信息只能用于推斷準確身份信息的依據(jù)，當鑒別信息內(nèi)容越多越容易推斷出準確的個人信息。此類信息是可以被隱藏、替換、修改的。信息密級為：中。

網(wǎng)絡身份鑒別信息：此類信息是個人上網(wǎng)時必備的信息，此類信息在沒有綁定用戶身份唯一標識信息的時候，當此數(shù)據(jù)被泄露后，只能導致個人網(wǎng)絡中的隱私信息、朋友信息、各類行為衍生信息被竊取，但如果沒有唯一標識信息體現(xiàn)，也很難知道真實的個人姓名等，因此，信息密級應為：高。當網(wǎng)絡身份鑒別信息綁定了身份唯一標識信息后，信息密級應為：特高。通過對信息內(nèi)容的屬性組成進行剖析，我們可以準確的判定其數(shù)據(jù)的敏感級別，從而實現(xiàn)對敏感數(shù)據(jù)準確的分類分級。

 

 

綜上所述，企業(yè)敏感數(shù)據(jù)梳理，需要根據(jù)自身業(yè)務特點進行數(shù)據(jù)的挖掘分析，再利用現(xiàn)代化的工具快速的實現(xiàn)企業(yè)敏感數(shù)據(jù)的發(fā)現(xiàn)與分類分級，并根據(jù)梳理的結(jié)果實現(xiàn)數(shù)據(jù)風險的分析與展現(xiàn)。

綠盟數(shù)據(jù)安全解決方案為數(shù)據(jù)安全設(shè)計全面可信的防御體系，提出“知”、“識”、“控”、“察”的數(shù)據(jù)安全治理方法論，包括數(shù)據(jù)梳理、運維數(shù)據(jù)監(jiān)管、業(yè)務數(shù)據(jù)監(jiān)管、辦公數(shù)據(jù)監(jiān)管、數(shù)據(jù)可視化的完整解決方案，有效保護數(shù)據(jù)在全生命周期過程中的安全，達到合法采集、合理利用、靜態(tài)可知、動態(tài)可控的防護目標。