💡 Eotalk 是由 Eolink 和各合作方一起发动的泛技术聊天流动，每期咱们会邀请一些技术圈内的大牛聊聊天，聊一下对于技术、守业工作、投融资等热点话题。
本期 Eotalk 咱们来聊聊平安。最近网络安全事变频发，比方前段时间的公民数据泄露、美的受到攻打勒索千万等事件。咱们邀请到 奇安信 负责数据安全的子公司技术负责人 — 简川力，一起来聊聊怎么平安地凋谢数据、应用数据、应用接口等等。👏👏
刘昊臻： 咱们 Eolink 在跟用户沟通时发现，API 凋谢数据的需要是十分旺盛的。从企业心愿搭建数字中台疾速通过外部 API 搭建利用，到银行和政府心愿通过凋谢 API 促成企业间单干的效率，现在 API 凋谢无处不在。
川力，你所理解到 API 凋谢的场景有哪些呢？
简川力： 政府单位可能会跟银行单干，银行就会用到政府的数据。以前可能间接去采或者间接去拿，这种形式都是不标准或违规的，当初基本上是不容许了。所以，个别两头会做一些服务，通过模型、通过 API、或者通过一些其余的形式给银行凋谢，银行就能够拿到这些数据，比方咱们贷款相干的、你的征信数据或者你的社保数据之类的，这是一类场景。
还有一类，在公安外面其实也会有相似的状况。公安跟公安外部，其中有一些部门，比如说像刑侦部门或者网安部门，数据是十分窃密的，不能因为你也是公安外部其余部门的人，就让你间接来去拜访，因而要留痕、审计之类，就须要用 API 去做凋谢。
刘昊臻： 你讲的两个场景，其实咱们都有遇到过。数据凋谢它通过了好几个阶段，以前最早的时候，咱们可能间接连数据库，给你一个绝对平安的账号，或者很多年前会要求必须带 U 盘或者是硬盘，去现场拷数据能力带走。这种形式效率是很低的，同时它其实并不平安。
第二个，前期呈现了近程调用，它其实也是在数据库的根底上做的近程调用。就安全性而言，很多鉴权和操作过程的监控等方面都做得不是很好。当初比拟常见的做法，其实是通过 API 的形式去凋谢接口。像银行跟政府之间、一些企业跟供应商之间、企业与单干企业之间，有些时候是企业外部的敏感数据，不好间接凋谢，就能够通过接口来管制哪些供应商或哪些合作方，它可能各自用哪些数据、用哪些字段、用什么拜访形式、有效期等等。
包含像刚刚聊到的公安部门，咱们也有一些相似的客户。因为公安外部很多部门之间，它会通过一个相似于叫 API 的开放平台，或叫能力开放平台，所有零碎的货色都在下面。如果要用的话须要先申请，审批通过之后能力调用。其实 API 的凋谢和调用曾经是十分遍及的场景了。
当初咱们再去看所谓的 API 凋谢，怎么样去把接口凋谢进去，它可能不是一个很难的事件。最简略的就是前面是一些微服务，后面搭一个网关。但即使如此还是会有很多数据泄露的问题。像银行或政府，他们其实还是会对于数据凋谢上有很多深度的要求的。
川力，在你们所接触到的场景外面，大家会在 API 凋谢过程中面临什么样的挑战呢？
简川力： 当初大家可能说的比拟多的是，API 服务申请个权限、限度一下时间段，或者限度一些字段数据。然而像国家的数据，平安爱护好当前还要分类分级，有数据安全的治理标准。而且有些数据跟国家机密还有关系，不只是影响社会关系这么简略，所以他们的要求就更高了。
用户通过 API 拜访了数据，尽管通过了鉴权，然而没有方法限度二次散发，或者再去做一次倒卖。他们更心愿数据不进来，并且还可能给他人提供 API 的服务或者是数据的服务，所以当初多了一些隐衷计算等新的解决方案。
很多时候不论是银行、企业，还是政府单位，他们更多想的是在我的可控环境外面用数据，用完了只是把后果拿走，而不是把我的数据拿到你那去做计算。
刘昊臻： 就是你能够拿后果，或者在不拿数据的状况下，去把你想要的后果给算进去。
简川力： 没错。其实凋谢 API 给他人，他真正去用 API 无非也就是要在它的利用下来用你的数据。不论是做机器学习、深度学习，或者是去做一些加减乘除、规定匹配，实际上它的过程也是这样子的。只不过当初可能更多的心愿能够把这个过程再提前，可能在小范畴将数据保存起来，这是最好的。
刘昊臻： 刚刚聊到隐衷计算，对于个别开发者的利用场景下，大家可能比拟少接触这个概念或者没有听过这个词，是否把隐衷计算再开展讲讲？什么场景上面会用的比拟多？
简川力： 其实这个概念很早就有了，然而在这个过程之中可能有很多不同的实现形式。比方我能够通过加密算法，把数据加密而后再做加密计算，这是其中一种形式。
还有就是我能够用差分隐衷算法把数据查出来，可能它两头插入的一些值，让数据跟原来的不一样，然而让它跟我的原始数据的散布保持一致。
还有就是咱们晓得的联邦学习，比方在 2018 年以前，上海有很多的黑产专卖数据，银行什么的都去买这些数据，拿着这些集体数据去做风控的晋升，或者贷款信用的晋升，一些保险行业可能也会去买这些数据。
然而当初不能够这样做了。这些数据被偿还到了上海大数据局，上海大数据是事业单位，是不可能卖数据的。这个时候，如果银行要用这些数据，又不能间接给，你独自使用他的数据是不行的，你还得联合本人的数据去做，两个还不可能数据交互，只能去做计算的交互。
目前比拟多的应用形式是用同态加密做平安多方计算，还有就是联邦学习，咱们只是交互两头的一些参数去优化我的算法，不要去交互实在的数据。
刘昊臻： 我晓得川力在做数据沙箱这个产品，数据沙箱它跟你刚刚所讲的隐衷计算有什么关系吗？它主是解决什么样的场景呢？
简川力： 其实咱们要解决的跟方才提到的问题一样，只不过模式不同。
一种模式是，我的数据在我本人企业外部，有个客户 A 他想用我的数据，那你就到我这里来。你跑到我的线下来，跑到我的机房外面，黑屋子我给你关起来，你用完了，拿走什么货色，我再去给你做审核。
沙箱解决的就是你能够不须要高老本地跑到线下来，通过沙箱就能够近程去做你本人的数据开发。最初呢，咱们主动给你的后果，包含你要带走的货色做一些审核和爱护，而后你再带走，甚至可能我连后果都不让你带走。这时再把你的利用独自变成一个 API 服务，由你的内部去调用。通过这两个步骤，就造成了一个新型的 API 服务形式：我凋谢给你，而不是我给一个数据，相当于你把你的程序也放到我这里来，跑完了把后果带走。
还有一种就是多方的状况，两方要同时去做计算，两方的数据也要同时去应用，这是沙箱所解决的问题。沙箱有一个人造的比拟好的点，比方平安多方计算，它次要是用同态加密去做，计算量很大、对算力要求十分高，可能理论你真正去落地的时候，会发现很难。联邦计算在两头也会有一些梯度攻打的问题，可能通过两头的参数把数据给翻译进去了。那么沙箱就是在这两个的根底上做了更进一步的改善。
刘昊臻： 沙箱它其实是一个比拟大的解决方案还是一个规范的产品？
简川力： 在咱们的定义里，它就是一个规范的零碎。举个例子，企业 A 或者是政府 A，它可能有一堆社保数据，它想把社保数据凋谢给他人，凋谢进去给第三方去用，给当地的政府发明一些政绩，或者让它的数据可能体现价值。
其实政府的数据在前两年曾经做了很好的布局，做完布局当前，下一步就是你的数据要对社会产生价值，同时大家又要做好爱护，你不凋谢给他人，他人用不了，轻易凋谢又不行。所以沙箱就变成了一个规范的货色，能够装在客户的环境上面，去给到大家去应用。
为什么咱们叫交易沙箱呢？其实在这个过程中，咱们能够对应用方的状况做一些审计或者做一些管制等，缓缓的你会发现当它做的足够大的时候，它会变成一个相似于交易的平台。这时我卖给你的可能就不是数据了，而是我把数据凋谢给你，你能够去用，用完了把你的后果带走。
刘昊臻： 明确。就是说，数据沙箱其实有点像是一个提供了比拟平安的运算的环境，你能够在这个沙箱外面去跑你的执行过程的算法，然而它的数据，其实始终都在这个沙箱环境外面，最初你只是把你算进去后果拿走而已。
简川力： 没错。数据自身最开始精确来讲，是在客户的环境外面。而咱们的沙箱分为两方面：一方面是给用户去调试的，另一方面是给用户最终去运行计算的。
咱们整个沙箱是不蕴含这些数据的，真正的数据在客户侧，比如说客户的数据可能在大数据平台或者是数据库外面，沙箱只是在计算的时候去近程拜访这个数据，把它做一些转化，等到它算完当前，沙箱就会被销毁。所以整个数据在沙箱外面是不会有保留的，并且在这个计算的过程之中，用户可能有一些歹意的操作，我就把数据通过网络传走，沙箱都是做好了严格控制的，就是把这都敞开了，他要带走也不行。
刘昊臻： 我有个疑难，咱们假如 A、B 两方。比方 B 他说我想要算个货色，我有本人的算法程序，这个程序是在 B 的环境近程从 A 拿数据处理呢，还是要装在 A 的沙箱外面运行？
简川力： 好问题！这是当初沙箱的一个难点。咱们的计算实际上，最好是要放在方才你说的 A 方的，能够近程去调用，然而对于 A 方来说，可能他不太释怀，因而还是要求把 B 的程序放在 A 的沙箱里。难点在于咱们沙箱如何更好适配所有的程序，比方能反对 B 方程序的环境，当初的沙箱大部分的难点都是这样，须要适配一个全面的执行环境。
目前业内更多的是用远程桌面的形式去反对，其余的都不行。包含方才咱们提到的联邦学习，它实际上是要去革新你的程序的，你要依据它的内容去革新。在平安多方计算外面，也是一样的，你须要用到平安多方计算外面的代码。
刘昊臻： 世界是均衡的，你想不便就没那么平安，想平安就要想方法必须得做点革新。
刘昊臻： 我之前据说你们为了解决数据通过 API 凋谢时判断内容是否蕴含敏感数据的问题，做了一个开源产品叫 OpenDLP，给大家介绍一下吧~
简川力： OpenDLP 是咱们从开发沙箱过程之中提取进去的一个比拟要害的组件，或者说一个比拟通用的组件。
很多时候，不论是在公安、政府单位，还是比拟大的企业，比方银行，它新的零碎可能还好，但会有一些数据在旧的零碎上，这些旧的零碎数据基本没有标注，齐全不晓得这数据是什么含意，基本不晓得有哪些是敏感的，也就没法凋谢或者关联。
OpenDLP 就是用来辨认哪些数据是敏感的，如果是敏感的话，咱们至多会给你一个提醒，说你这个货色可能不能拿去凋谢了，要做好后续的保障，这是 OpenDLP 的第一个性能：在凋谢之前，会对你的数据做扫描。
最初造成 API 要凋谢进来了，那么 API 它在拜访和返回的时候，会有两种状况：一种是申请，一种是响应。OpenDLP 会在申请之前对你拜访的这些字段做判断，看看这些货色是不是曾经波及到敏感，如果曾经波及到敏感，那我就会通知你凋谢的货色是不正确的，这是第一步。
第二步是等到真的进来了，再对这个数据做一次扫描，通过用户的自定义和咱们本人内置的一些根本规定去帮他辨认，如果是敏感的，那就间接不返回了。
刘昊臻： 听下来有很多细节难点，因为这个敏感数据可能存在各种中央，像 API 外面就有多种数据格式，还有文档、视频音频等。
简川力： 是的。当初的敏感数据很多都在文本里，比方一篇文章，他可能在外面插入的几个这种名字、身份证号或手机号，你让人去看可能真的很难看进去。
文本是属于结构化的数据，当初这种扫描大部分是利用到 NLP 的形式，通知你这有个手机号，它的上下文是什么，它可能是个敏感的数据，须要通过一道人的工序的判断。
可能还有一些加密怎么扫都扫不进去，这也是咱们沙箱当初要解决的一个技术难点。比方咱们会依据程序的语法，和生成的后果内容去做比拟，看看你是不是有做一些歹意的操作，如果是歹意操作就是有问题的。
刘昊臻： 传统的模式其实有点像是正则匹配，识别率准确率不是那么高。当初的话，比拟智能一些了。就是依据上下文，依据它的甚至可能代码的角度，去判断它数据是否通过加密。
简川力： OpenDLP 的第一个版本针对的是方才提到的结构化数据分析。
刘昊臻： 明确。OpenDLP 它的部署和应用的门槛高吗？
简川力： 咱们开发是间接用到 Python 去做的，开发或者是应用都比拟容易，欢送大家试用和反馈。
刘昊臻： Eolink 自身有很强的 API 治理和自动化测试性能，是不是也可能帮忙用户在测试 API 的过程中判断一下返回的内容外面到底有没有敏感数据，作为平安测试的一个辅助伎俩，我感觉应该是比拟好的一个场景。
简川力： 是的。其实这是一个独自跟 API 凋谢去做联合的一个点，就是方才你提到的，查完当前的后果去做一个审核，Eolink 也是咱们首要的合作方。
落到咱们的 API 定义下面会更好的去做联合，比方我定义的名字叫 name，name 的翻译是姓名，那我就晓得姓名必定是个敏感的货色，你就不可能用它去凋谢了。就算你真的要去凋谢，你也不能用这一个字段名，你得用别的字段名。这也是我感觉能够跟敏感数据去做联合的点。
刘昊臻： 明确，期待咱们接下来的单干。
明天咱们聊了很多货色，川力讲得十分好，当初的 API 凋谢其实曾经不是咱们大家基本概念外面单纯的接一个货色，做个鉴权就把它放进去，更加要害是在于你后果凋谢之后，你怎么样去保障你的数据在真正利用的过程中的平安。这里讲到隐衷计算、数据沙箱怎么样保障咱们的数据在不出咱们的企业的范畴就能实现整个计算过程，而调用方只能拿到他们所想要的平安、没有敏感信息的后果。
川力他们在做 OpenDLP，咱们也十分期待接下来咱们 Eolink 的开源产品或者 SaaS 产品与 OpenDLP 联合，让咱们的用户能更加全面的去做 API 的治理。
感激川力，也感激各位对 Eolink 的反对！咱们下期再见～
Eotalk 往期举荐 ⭐⭐⭐⭐⭐：
【Eotalk Vol.03】联合 API & DaaS，让应用数据更不便|Tapdata CEO TJ 唐建法
【Eotalk Vol.02】从极客到 CEO，开发者如何晋升技术领导力？|甘果科技的 CEO 老甘（路文杰）
【Eotalk Vol.01】Eoapi，咱们心愿以开源的形式构建 API 生态系统| Eoapi 的外围开发者秦圆圆