前言
某次新来的同事，在开发环境执行了这样的代码：
// 反例：直接将生产数据同步到测试环境 public void syncUserToTest(User user) { testDB.insert(user); // 包含手机号、身份证等敏感字段 }
复制代码
直接将生产的数据，比如：手机号、身份证等敏感字段，同步到了测试环境。
结果 1 天后，受到了公司领导的批评。
这个案例揭示了数据脱敏的极端重要性。
这篇文章给大家分享 6 种常用的数据脱敏方案，希望对你会有所帮助。
方案 1：字符串替换（青铜级）
技术原理：通过正则表达式对敏感数据进行部分字符替换
典型代码实现：
public class StringMasker { // 手机号脱敏：13812345678 → 138****5678 public static String maskMobile(String mobile) { return mobile.replaceAll("(\\d{3})\\d{4}(\\d{4})", "$1****$2"); }
// 身份证脱敏：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; // 处理15位旧身份证 } }
复制代码
使用正则表达式将关键字字段替换成了*
适用场景对比：
优缺点分析：
方案 2：加密算法（白银级）
加密算法选型：
完整实现示例：
public class AESEncryptor { private static final String ALGORITHM = "AES/GCM/NoPadding"; private static final int TAG_LENGTH = 128; // 认证标签长度
public static String encrypt(String plaintext, SecretKey key) { byte[] iv = new byte[12]; // GCM推荐12字节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); }
// 解密方法类似... }
复制代码
密钥管理方案对比：
方案 3：数据遮蔽（黄金级）
数据库层实现数据遮蔽：
-- 创建脱敏视图 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;
-- 使用列级权限控制 GRANT SELECT (id, name, mobile) ON masked_customers TO test_user;
复制代码
创建数据脱敏视图，在视图中将关键字段做遮蔽。
然后在后面需要用到这些字段的代码，需要统一从视图中查询数据。
代理层实现（ShardingSphere 示例）：
rules: - !MASK tables: user: columns: phone: maskAlgorithm: phone_mask maskAlgorithms: phone_mask: type: MD5 props: salt: abcdefg123456
复制代码
性能影响测试数据：
方案 4：数据替换（铂金级）
将原始数据和脱敏的数据保存到 cache 中，方便后面快速的做转换。
映射表设计：
// 使用Guava Cache实现LRU缓存 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); }
复制代码
替换流程：
方案 5：动态脱敏（钻石级）
应用层实现（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; } }
复制代码
在需要做数据脱敏的字段上技术 RequiresMasking 注解，然后在 Spring 的 AOP 拦截器中，通过工具类动态实现数据的脱敏。
数据库代理层架构：
方案 6：K 匿名化（王者级）
1. 通俗原理解释
假设医院发布就诊数据：
当 K=3 时，攻击者无法确定具体某人的疾病，因为 3 人都具有相同特征（25 岁男性）。
2. 实现步骤
医疗数据泛化示例：
public class KAnonymity {
// 年龄泛化：精确值→范围 public static String generalizeAge(int age) { int range = 10; // K=10 int lower = (age / range) * range; int upper = lower + range - 1; return lower + "-" + upper; } }
复制代码
假设 range 是 K 值，等于 10。
generalizeAge 方法中，通过一定的算法，将年龄的精确值，泛化成一个区间范围。
输入年龄 28，返回 20-29。
K 值选择原则：
总结
下面是某电商平台各方案的使用占比：
3 个核心建议：
数据分类分级：不同级别数据采用不同脱敏策略
定期审计：使用自动化工具扫描敏感数据泄露
最小化原则：能不收集的敏感数据坚决不收集
灵魂拷问：当黑客攻破你的数据库时，里面的数据是否像诺基亚功能机一样"防摔"？
安全大礼包
文章转载自：苏三说技术
原文链接：https://www.cnblogs.com/12lisu/p/18883200
体验地址：http://www.jnpfsoft.com/?from=001YH
评论