
数据流转监测按三步做:先把库、表、字段和 API 端点盘清,再把访问轨迹画成路径,最后把“谁—通过哪个业务—碰了哪个载体—是哪类敏感数据”串成关系。少了第三步,前两步只是好看。
数据泄露的处置会上,能说出来的往往是:某个 IP 在某个时间访问了某个库,查了某张表,取走了多少行。说不出来的是:这个人当时在哪个业务功能里操作、这条链路是谁开的口子、这几万行里有几类敏感数据、还有谁从同一个口子拿过东西。前一组信息,审计能给。后一组,得靠流转监测。
因为日志是平铺的,流转是网状的。一条访问记录能落下时间、来源 IP、应用用户、数据库账号、库表字段、SQL 语句、返回行数。字段很全,但每个字段都是“点”。而“数据从 A 系统流到 B 系统、再经某个接口给到外部合作方”是一条“线”。拿点拼线,缺两样东西。一是业务场景这一层:日志里记的是 /api/v1/customer/query,不是“客服坐席查询客户信息”。二是资产之间的关联:不知道这个接口背后接的是哪张表、哪个字段。所以不少单位采了全量日志,图上还是几条孤零零的线。
数据流转监测,是沿着数据从产生、加工、共享到使用的路径,把每一次跨系统、跨域、跨主体的移动记录下来,并还原成可下钻的图。它回答的是“这条数据去过哪、被谁带走的”,不是“谁访问过某张表”。这里有个区别值得说透。“谁访问过某张表”是查询,一次一条记录,主语宾语都明确。“这条数据去过哪”是追踪,得从一个点顺着往下游走。前者一条 SQL 就能答,后者需要一张图。
流转图上的节点是资产。节点不全,画出来的图就是缺的。存储侧要发现库、表、字段,覆盖传统数据库、数据仓库和大数据平台,识别出敏感字段类型形成目录。这里有个容易忽略的点:目录得能自己更新。业务系统一周上线三个新表,靠人工登记,图第二天就过时。API 侧要发现站点、服务和端点,解析请求与响应结构,判断哪些端点带着敏感数据。RESTful、gRPC、J2EE HTTP API 这几类协议都得覆盖,只支持一种,行内另一半接口就是盲的。还有一类资产容易被漏:新增的和休眠的。新增接口上线即带数据,休眠接口没人管却还开着,这两头恰恰是暴露面变化最快的地方。
资产有了,接着是路径。要画的是应用之间、应用到数据库之间的全链路轨迹,以及敏感数据从接入、传输到存储的完整路径。画到这一步,能回答三个问题:某类敏感数据流向哪里、流量多大、暴露在哪些节点上。这一步的实用价值在“按需观测”。全量图信息太密,看不过来。能按敏感类别筛、按流转节点的风险状态筛,才用得起来。比如只看银行卡号这一类,只看经过高风险节点的路径。
前两步解决“看得见”,第三步解决“说得清”。要呈现的是一条四层关系:访问主体、业务场景、数据载体、敏感数据。四层串起来,一句话才成立——某个人,在某个业务功能里,通过某条链路,拿到了某类敏感数据。这层的难点在业务场景。日志里只有接口路径和系统名,业务场景属于业务语义,得把接口映射回业务功能。映射做不出来,四层关系断在第二层,图就只是个拓扑。
建设层次 | 解决什么问题 | 只做这一层的缺口 | 做到位的判据 |
|---|---|---|---|
资产盘清 | 追踪的对象是谁 | 不知道有什么在流,图上线即缺节点 | 新增库表和新增接口能自动进目录 |
轨迹画清 | 数据从哪来到哪去 | 知道有流动,说不出经过哪些节点 | 能按敏感类别筛出某类数据的完整路径 |
关系串清 | 谁拿走了什么 | 有图有点,落到人只能靠人工比对 | 点一个节点,能出主体、业务、载体、数据类型四项 |
假设告警是“某账号在非工作时间批量查询了客户表”。溯源要能往下走四步。第一步,这个人是谁——把数据库账号对到自然人,中间还有应用账号一层。第二步,在哪个业务里操作——这个账号从哪个应用、哪个接口发起的。第三步,碰了什么——具体哪张表、哪几个字段。第四步,是什么数据——这些字段里有哪些敏感类型,多少条。四步走完,处置才有依据:是账号被借用,还是岗位权限过大,还是接口本身设计得能拉全表。走不完,只能在系统里改个密码。
同一份客户数据,生产库在私有云,分析副本在公有云,备份放在传统 IDC。三个地方各有一套日志,格式还不一样。串不成一条线,原因往往不在图,在原料。云原生数据库的审计日志字段和传统数据库不同,对象存储的访问日志又是另一套结构。不做归一化,一条路径走到跨云的地方就断了。这也是“一体化”三个字在实际工程里的含义:不是把功能堆在一个界面下,是把不同来源的日志归到同一套字段上,让路径连得起来。
检查或内审通常会连着问三类问题:这类数据在哪些系统里有、谁能拿到、最近一次被谁取走。前两个问的是目录,第三个问的是轨迹。分开建的系统,问到第三个就开始卡壳——要现场导数据、做比对、再解释为什么两边数字对不上。同一套底座上,三个问题是同一张图上的三次点击。回答得快不快,取决于前两步做得实不实。
第一个坑,先做大屏后补资产。 图先画出来,节点靠人工填,两周后没人维护,图上的系统和真实环境对不上。顺序应该反过来。
第二个坑,只采数据库不采 API。 库内访问看得清楚,数据从接口出去那段完全空白。而现在对外提供数据、和第三方合作,多数走的是接口。
第三个坑,有轨迹没有关系。 线画得漂亮,点上去只显示 IP 和表名。这种图在检查时解释不了“谁拿走了什么”,日常也定位不到责任人。
维度 | 只采日志的做法 | 有资产与关系底座的做法 |
|---|---|---|
节点来源 | 人工登记,靠定期维护 | 自动发现存储与接口资产,目录随环境更新 |
链路完整性 | 覆盖被采到的那一段 | 从应用到接口到库表,跨域可串 |
下钻能力 | 到 IP、账号、表名 | 到自然人、业务功能、字段、敏感类型 |
新增资产 | 上线后等登记 | 上线即入目录,休眠资产可识别 |
检查场景举证 | 提供日志检索结果 | 提供一条可复述的完整路径 |
数据流转监测很难靠一个独立工具做完。它要的底座横跨存储侧和接口侧,还要能对到人、对到业务功能,这三样东西分散在三个系统里,图就永远是拼的。一体化数据安全平台提供多场景数据安全解决方案,覆盖企业在生产业务系统、数据开发利用、研发运维等不同场景中的数据安全需求,包括数据安全分类分级、数据库运维安全管控、BI 场景敏感数据保护、大数据场景数据保护、API 数据安全、数据流转与风险监测、一体化数据库安全审计、一体化数据动态脱敏、数据库字段透明加密等诸多场景。放到流转监测里,它的作用是把敏感数据目录、访问日志和身份映射放在同一处,让三层图用的是同一份底稿,而不是三份各画各的。流转监测建立在敏感数据识别能力和一体化数据安全审计日志这两个前置之上。
常见问题
Q:数据流转监测和数据库审计是什么关系?
A:审计是素材来源,流转监测是加工结果。审计把每次访问记全,流转监测拿这些记录去连路径、找关系。只做审计,得到的是一份可以检索的流水;加了流转监测,得到的是一张能顺着走的图。两者用同一批日志,不冲突——这也是一体化数据安全平台把审计和流转放在同一套底座上的原因。
Q:只做数据库侧、不做 API 侧,够不够?
A:看数据从哪出去。如果对外提供、第三方合作、移动端都走接口,只做数据库侧就漏掉了主要出口。库内访问事后还能查到,从接口拿走的数据往往只留一条访问记录,没有响应报文,查不清拿走了哪些字段。
Q:为什么要单独管休眠接口?
A:开着但没人调用的接口,日常没人关注,权限和参数校验容易停留在上线时的状态。它同时满足两个条件:可访问、少人看。新增接口的风险是带来新的数据出口,休眠接口的风险是旧的出口没人关。
Q:流转图要画到多细才算够?
A:够用的标准不是节点多少,是一次溯源能不能走完四步。拿一条真实告警试一遍:能不能对到人、对到业务功能、对到字段、对到敏感类型。四步都通,图就够用;哪步断了,就是哪层没建好。
Q:文件服务器上的数据怎么纳入?
A:文件服务可以纳入资产发现的范围,识别其中的敏感数据。访问行为能不能采到,看部署形态——探针看得见网络流量,本地拷贝看不见。这部分要提前跟产品方确认,不能按数据库链路的覆盖度去推。
Q:数据流转监测要多久才能见到效果?
A:资产盘清和按需观测的轨迹推进得快,关系那一层慢一些。它要跟业务方确认接口和业务功能的对应关系,这段工作在机构侧,不在产品侧。这也是一体化数据安全平台落地时最需要业务配合的一环。
三步里最容易省掉的是第三步,因为它最费劲,也最不容易在演示时显得好看。但恰恰是这一步决定了这张图在出事后有没有用。资产是节点,轨迹是线,关系才是答案。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。