关于tidb:关于TDB数据脱敏的一些想法

对于 TiDB 数据脱敏

数据库安全始终都是用户非常关注的点，尤其在一些外围零碎与非凡畛域之中，当把握了肯定规模的敏感数据后，就须要时刻防止数据的泄露和失落，所以对于数据库的治理和应用都有着杂繁琐的流程和简单的权限，这其中就有一个重要的平安技术 — 数据脱敏。

数据脱敏

数据脱敏是指对于数据库中存储的一些敏感信息进行规定的革新，爱护敏感数据不会被随便的读取和泄露。像身份证，手机号，银行卡号等敏感信息，都会进行数据脱敏，所以咱们比拟常见的就是数据掩码，用 * 字符号来代替两头的数据。
比方电话号码 123456789 通过脱敏变为 1236789.

在现在，咱们常常都能看到各种数据泄露，用户数据被卖等相干新闻，数据安全和网络安全也是咱们越来越器重的一面。国家当初也是一直的出台各种政策，要求相干企业做好数据的爱护与脱敏，尤其是一些海内企业，对于数据的治理会更加严格。

而作为一名数据库工程师，靠着数据库近的人，更是须要去理解和器重数据脱敏这项技术。

脱敏形式

对于数据脱敏的形式大略有两种，动态脱敏和动静脱敏。

动态脱敏
对于动态脱敏其实十分好了解，就是在已知数据的构造和须要脱敏的内容后，通过一些脱敏算法对于这些数据进行肯定的解决，转换成其余的数据模式。

动态脱敏往往须要将数据先从数据库中提取进去，而后放到曾经实现脱敏算法的工具中进行批量的转换，最初将脱敏后的数据放到其余须要的中央。那么这种形式不须要与利用或者是数据库建设间接的分割，单纯的数据处理。

动静脱敏
动静脱敏则是实时的剖析查问的数据是否存在须要脱敏的内容，如果存在则将数据通过不同的脱敏算法进行脱敏后返回到利用端。

所以当初动静脱敏的实现往往都是建设一个代理层，放在利用和数据库之间，拦挡查问的 SQL 或者是返回的数据后果集，进行检索和判断，是否存在敏感信息，敏感信息的类型如何，如果存在，就应用相应的脱敏算法对于 SQL 进行革新，或者间接将后果集进行革新后返回。两种办法都存在。

数据脱敏平台

当初世面上的数据脱敏平台还是挺多的，其实咱们也有一款本人的数据动静脱敏平台产品 – TDMP，最近也是用 TiDB 集群进行了功能测试，平台反对的性能在 TiDB 上都能失常应用。

当然这也是在咱们的预料之中，不得不说因为 TiDB 对于 MySQL 的齐全兼容，让很多对接 MySQL 的工具都能在 TiDB 下来间接应用。

技术实现
TDMP 脱敏的整体实现思路简略介绍：

1. TDMP-DM 应用作为反向代理技术，部署在运维工具、利用及数据库之间。
2. 当用户执行的查问语句进来时，会通过执行的用户权限和执行语句进行查看，是否存在敏感信息的查问，执行用户是否有权查看敏感信息。
3. 如果触发的脱敏条件，则会从两种形式中抉择一种进行脱敏，一是间接改写 SQL 语句，二是将查问的后果集进行批改。具体抉择那种形式和那种脱敏算法，则要通过用户的配置，查问后果的大小，性能的评估等来决定。
4. 最初将脱敏后的数据返回给用户或者利用端。

咋的一看，整个实现思路还挺简略，然而理论去实现 SQL 的测验，脱敏算法和抉择优化时，整个实现难度还是比拟高的，尤其是在 SQL 检测这一边，干多了运维的都懂，大千世界，什么样的 SQL 都有，想要去写一个通用的检测算法，比拟麻烦点。

在脱敏外围这块的实现其实有点相似与数据库 SQL 解析层的解决，也就是 TiDB Server 的模式：

1. 对于用户查问的 SQL 进行 Parse 解析，解析成一个咱们自定义的树结构体，和形象语法树十分的像。
2. 基于规定的审核，判断一个查问是否要进行脱敏，或者须要进行那些脱敏操作，咱们会建设一个规定列表（包含用户权限，用户配置的规定和自带的一系列检测），遍历这个规定列表，判断每一个是否须要在该次查问中应用到，如果能够用到则须要进行记录。
3. 基于物理的优化，其实做一个数据库中间件去进行数据脱敏，对于数据库的查问性能会有很大的影响，因为这一类的操作是要具体到数据中去批改的，所以在真正的去执行某一个脱敏的形式时，除开用户的配置，咱们也会进行肯定的优化，通过判断本次查问的数据大小和查问复杂程度等来优化。

整个过程是不是十分的像 TiDB Server 对于 SQL 的解决：
SQL – > Parser -> RBO -> CBO -> Executor

对于 TDMP 这个平台的详细信息能够看下官网介绍 这里就不做过多的介绍了

对于 TiDB 的一些想法

脱敏函数
下面介绍过脱敏实现的简略思路，其实和 TiDB Server 中 SQL 的执行过程十分类似。所以当初有一个想法，就是间接在 TiDB Server 中增加一个简略的脱敏性能，能够是一个脱敏函数。

select id data_mask(name, '*') data_mask(phone,'·') from student;

返回的后果：

select id data_change(name) data_change(phone) from student;

返回的后果：

敏感字段申明
除了减少这种相似的数据脱敏函数以外，也能够减少权限相干的脱敏策略。例如能够在建设数据字段的时候增加关键字 sensitive 来申明该字段为敏感信息，一般数据库用户在查看的时候，该字段会进行主动的脱敏。

create table student(
id int,
name varchar(255) sensitive,
phone int sensitive,
primary key(id)
)

TiDB 脱敏扩大工具
尽管当初有着各种各样的脱敏平台应用，然而他们都太过于重了，应用起来会十分的麻烦，须要交钱部署等等一套，这种个别用于大企业，有钱的公司。然而对于一些小的企业公司，兴许只须要一个简略的脱敏性能就够了，这个时候他更须要的只是一个脱敏的小工具来帮忙他。

相似 PostgreSQL 中的 Extension，只须要执行一行命令，下载一个扩大工具就能够在 TiDB 中应用简略的脱敏性能。所以咱们最近也在思考将 TDMP 平台中的脱敏性能，独自抽出来并进行简化，而后做成一个非常简单易用的小工具。

说到 Extension 性能，TiDB 作为一款开源数据库，其实是十分须要去提供一些固定的接口，来让社区的人能够开发一些小的性能组件作为扩大，不仅能够帮忙 TiDB 自身的生态倒退，同时也能让更多的开发人员能够退出进来，社区也会更加丰盛和沉闷。