数据保护技术分五类:加密、访问控制、脱敏(哈希和截断)、最小化和可追溯。每一类挡住一种失败,也漏掉另一种,所以要从威胁出发,而不是从工具出发。下面是各类技术能挡住什么、一个复算过的哈希和截断算例、一张按威胁选择的表,以及每类在 TapCub 里的位置。
读完你会知道
- 从威胁出发选技术:五类各自挡住一种失败,也各自漏掉另一种
- 哈希过的邮箱仍然是个人数据;普通哈希可被猜出,带密钥的哈希不能,截断能保护但会合并不同的人
- 最小化是成本很低的控制:事件保留 90 天而不是一年,存的行数少 75.3%
数据保护技术包含什么,不包含什么
数据保护技术是指任何能降低个人数据或业务数据被不该接触的人读取、修改、丢失或滥用的可能性的技术控制。对分析数据来说,五类技术覆盖了你会遇到的大部分情况:加密、访问控制、脱敏(哈希和截断)、最小化和可追溯。 备份、恶意软件防护和终端安全也很重要,但它们属于通用的安全范畴,不属于分析团队要问的那个问题:我们收集什么,接触这些数据的人和系统能拿它做什么?
在选任何工具之前,先说明两个限制。
- 技术不等于合规。 欧盟《通用数据保护条例》(GDPR)这类法律要求「适当的技术和组织措施」(第 32 条),并把假名化和加密列为例子。工具可以支撑一项措施,但无法判断你的处理是否合法。本文是一般性信息,不是法律意见。
- 没有哪一种控制是够用的。 五类各自挡住一种失败,也各自有挡不住的情形。本文的核心观点:从威胁出发选技术,而不是反过来。 先写下你要保护什么、防的是谁,下面的表会告诉你该往哪里看。位于这一层之上的策略层,见 数据保护策略。
五类技术一览
下面的表比较这五类技术:各自能挡住什么、挡不住什么,以及分析场景里的典型例子。
这张表要按列读。「挡不住」那一列是团队容易被意外击中的地方:加密对持有密钥的合法用户毫无作用,脱敏对可被猜出的值毫无作用。接下来五节分别给出每一类的判断规则。
| 类型 | 能挡住 | 挡不住 | 分析场景里的典型例子 |
|---|---|---|---|
| 加密 | 传输中或被盗磁盘上的数据被读取 | 持有密钥或已登录的人滥用 | 采集用 HTTPS,存储加密 |
| 访问控制 | 员工或密钥看到的超出工作所需 | 在被允许范围内的滥用 | 查看者只看汇总,分析师能看档案 |
| 脱敏 | 列表、导出和日志里暴露原始标识 | 脱敏值可被猜出时的再识别 | 哈希邮箱、截断 IP、隐藏手机号位数 |
| 最小化 | 一开始就没有可丢失或可滥用的数据 | 你确实需要的数据上的风险 | 不采集 IP,90 天后删除事件 |
| 可追溯 | 不知道谁改了什么、导出了什么 | 第一次滥用本身 | 成员变更和导出的审计日志 |
先读「挡不住」那一列:团队最容易在那里被意外击中。
加密:保护传输中和存储中的数据
加密把可读数据变成密文,只有持有正确密钥的人才能读。常见的应用位置有三个:
- 传输中:浏览器和服务器之间的 HTTPS。任何采集端点都应使用它;没有它,网络路径上的任何人都能读到事件。
- 存储中:存放事件的磁盘或数据库。它防的是磁盘或备份被盗,不防通过应用程序访问数据库的人。
- 字段级:对单个敏感值,比如邮箱地址,在记录内部加密。它防的是有数据库权限但没有密钥的人。
判断规则:加密的强度取决于数据和密钥分开的程度。 如果密钥放在同一个地方,或者同一批人都能读到它,你只是增加了形式,没有增加保护。要问:密钥在哪里,谁能读,怎么轮换,有人离职时怎么办。也要知道它的代价:加密字段不解密就无法按明文值搜索或分组。
访问控制:只给人和密钥工作所需的权限
访问控制决定谁,或者哪把 API 密钥,能看到什么、做什么。原则是最小权限:能完成工作的最小权限。美国 NIST 的《个人可识别信息保密性保护指南》推荐这类具体的保障措施,并要求组织根据每组数据的敏感程度匹配保护级别。
分析数据的一种实用角色划分:
| 角色 | 需要 | 不应该有 |
|---|---|---|
| 高管或客户查看者 | 汇总、趋势、共享报表 | 个人档案、原始导出 |
| 营销分析师 | 聚合数据和分群 | 明文的直接标识 |
| 产品分析师 | 事件级数据、假名档案 | 联系方式,除非某项任务需要 |
| 管理员或所有者 | 设置、成员、密钥 | 超出任务的日常报表权限 |
| 服务端密钥 | 写入事件 | 读取报表 |
有两条规则比角色名更重要。给 API 密钥能用的最窄范围,并把秘密密钥放在服务端,绝不放在浏览器里运行的代码中。还要定期复核清单:权限会随时间累积,一年前换了团队的那个人,就是泄露的来源。
脱敏:哈希、截断和可被猜出的问题
脱敏用揭示更少的东西替换敏感值,同时保持它仍然有用。常见形式有 哈希(把邮箱变成固定字符串的单向函数)、截断(去掉 IP 地址的末尾)、遮盖(只显示后四位)和 令牌化(用保存在另一张表里的随机令牌替换值)。哈希见 哈希;背后的法律概念是 假名化。
按 GDPR 第 4 条第 5 项,假名化是指对数据的处理方式使它在没有另外单独保存的附加信息时,不能再归属到特定的人。序言第 26 条补充说,假名化后的数据如果能借助附加信息归属到某个人,仍然属于关于可识别自然人的信息。通俗地说:哈希过的邮箱仍然是个人数据。 脱敏降低暴露,但不会让数据脱离监管范围。
普通哈希的弱点是可被猜出。如果攻击者能试遍所有合理的输入,就能算出同样的哈希并比对。邮箱是合理的输入:姓名、数字和常见域名组合起来是一个很短的清单。带密钥的哈希(混入一个秘密密钥,比如 HMAC)或秘密盐能挡住这一点,因为没有密钥,攻击者无法复现输出。截断的弱点正相反:它无法逆转,但会把人合并。下面用数字展示两者。
算例:哈希和截断对去重计数有什么影响
示例数据:1,000 个合成的 IPv4 地址,从 24 个不同的 /16 地址块(前两段相同的地址)里随机抽取,另有 10,000 个形如 name123@example.com 的合成邮箱。所有数字用 Python 计算。
各种处理之后的去重计数
| 处理方式 | 不同的值 | 变化 |
|---|---|---|
| 原始 IP 地址 | 1,000 | 基线 |
| 完整 IP 的哈希(SHA-256) | 1,000 | 0% |
| 去掉最后一段的 IP | 924 | −7.6% |
| 去掉最后两段的 IP | 24 | −97.6% |
哈希保持计数不变,因为不同的输入对应不同的输出,所以独立访客数能保留下来。截断去掉了信息,所以计数缩小:去掉两段就把 1,000 个地址折叠成 24 组,基于它算出的独立访客数会低得离谱。这就是取舍:哈希保住计数,但挡不住猜测;截断挡住猜测,但保不住计数。
猜测测试。 取三个目标邮箱,以及一个拥有 10,000 个合理邮箱清单的攻击者(10 个名字 × 数字 1 到 1,000)。
| 方法 | 从清单中还原的目标数 |
|---|---|
| 邮箱的普通 SHA-256 | 3 个里的 3 个 |
| 用攻击者没有的秘密密钥做 HMAC-SHA-256 | 3 个里的 0 个 |
普通哈希看起来无法读懂,却在几秒内被还原;带密钥的哈希抵住了同一份清单。如果你的标识熵很低(邮箱、手机号、短 ID),就用带密钥的哈希或秘密盐,并把密钥放在分析库之外。
各种处理之后的不同值数量
1,000 个示例 IP最小化:不收集的数据不会泄露
你从未收集的数据不会泄露,不会被调取,也不会被滥用。GDPR 第 5 条第 1 款(c)项把它描述为充分、相关并限于必要的数据。它是成本很低的控制,算起来也很清楚:如果事件保留 90 天而不是一年,且数据量稳定,你存的行数是 90 ÷ 365 = 24.7%,少了 75.3%,每删掉一行,就少一行可以被滥用的数据。见 数据最小化。
三个习惯可以落实它:
- 加字段之前先问它支持什么决定。 如果没人能说出一个,就不要收集。
- 按数据类型设保留期,而不是一刀切。 原始事件、用户档案和同意记录的需要不同。
- 保留够用的最低精度。 用国家而不是城市,用日期而不是时间戳,用聚合而不是一行行明细。
这背后的设计原则是 隐私设计。
可追溯:知道谁动了什么
可追溯是指保留访问和数据变更的记录:谁添加了成员,谁改了设置,谁导出了什么,什么时候。它挡不住第一次滥用,但能让第二次被发现,缩短调查时间,并让你能证明发生了什么。三件事让它有用:日志自动写入,被记录的人很难修改,并且有人按计划去读它。导出尤其值得关注,因为数据正是在那里离开受控系统。
怎么按威胁来选
| 如果担心的是…… | 先从…… | 再加上…… |
|---|---|---|
| 有人在网络上读取事件 | 传输加密 | 证书监控 |
| 磁盘、备份或笔记本被盗 | 存储加密 | 密钥管理 |
| 员工或客户看到太多 | 访问控制,最小权限 | 对直接标识脱敏 |
| 导出文件或日志泄露 | 脱敏,缩短保留期 | 对导出的可追溯 |
| 一次泄露代价很高 | 最小化 | 对剩下的数据做以上所有 |
如果这个季度只能做一件事,就做最小化:它让其余所有控制要面对的问题变小。
常见误区
- 把哈希过的数据叫匿名。 哈希最多算假名化。如果标识可被猜出,连假名化都算不上。
- 加密却没有密钥管理。 密钥放在数据旁边,就像把钥匙贴在门上的锁。
- 只在界面上脱敏。 如果导出或 API 返回原始值,脱敏就什么也没保护。
- 什么都收集,承诺以后再脱敏。 原始数据仍然存在于日志、备份和缓存里。
- 把一个工具当成合规声明。 控制措施支撑法律义务,但不能证明义务已经履行。
- 忘了人。 暴露最常见的原因,是没有人收回的某项权限。
这些控制在 TapCub 里是什么样
假设你想衡量注册量,又不想留着原始个人数据。下面是五类技术分别在 TapCub 文档里的出现位置。TapCub 不会替你声明任何法律上的合规;这些是你可以检查和配置的产品行为。
- 在采集时最小化。 在 配置 › 合规中心 选采集档位。档位 1 是匿名聚合:按日换盐,不保留持久标识,全埋点被丢弃。IP 地址不写入事件库:它只用于地理查询和访客哈希,默认先截断 2 字节再做城市查询。地理精度可以选城市、国家或不记录。
- 给标识脱敏。 事件属性里像邮箱或电话的字符串,默认会被改写成占位符。邮箱或手机号在登录时作为身份使用,会先哈希再绑定(邮箱先转成小写)。全端分析 › 数据管理 › 属性字典 把字段分成直接标识、间接标识和非个人三类,并对列表和导出里的直接标识脱敏。
- 限制保留期。 合规中心设置默认保留期:事件一年、全埋点 90 天、用户档案 730 天、同意回执 730 天,并受套餐上限约束(免费版默认 180 天)。到期数据由定时任务删除。
- 限制谁能看什么。 项目角色决定成员能打开哪些页面,报表还可以按成员收窄到某些渠道、平台或主机名,并隐藏属性、套上脱敏。API 密钥在 配置 › 设置 › API 密钥 里创建,带一份范围列表;秘密密钥应放在服务端,可以撤销。
- 留下记录。 成员变更、角色变更、两步验证变更和隐私配置变更都会写入 配置 › 设置 › 审计日志,可以导出为 CSV、NDJSON 或 JSON。
TapCub 的安全文档把控制台、采集脚本和 API 描述为使用 HTTPS,具体取决于部署。至于每项控制挡不住什么,请回到上面的表:这里的每一项都在缩小暴露面,没有一项能替代你自己对用途和合法依据的审查。
常见问题
数据保护技术有哪些例子?
传输和存储加密、访问控制和角色、哈希和 IP 截断这类脱敏、带保留期限制的数据最小化,以及审计日志。备份、终端防护和防泄漏工具也会用到,但属于更广义的安全。
加密和哈希有什么区别?
加密用密钥可逆:密文能变回原文。哈希是单向函数:输出无法变回去,但相同的输入总是得到相同的输出,所以猜中的输入可以通过比对哈希来确认。
哈希过的数据还是个人数据吗?
通常是。按 GDPR,假名化后的数据如果能借助附加信息归属到某个人,仍然是关于可识别自然人的信息。所以,如果别人能从一份邮箱清单里复现出你的邮箱哈希,那个哈希仍然是个人数据。以上是一般性信息,不是法律意见。
小团队应该先从哪种数据保护技术开始?
先做最小化:少收集,早删除。然后是最小权限的访问控制,以及给标识用带密钥的哈希或盐。传输加密通常随你已经在用的工具提供;检查它是否开启,而不是自己去建。
脱敏会降低分析的准确性吗?
看类型。哈希保持去重计数。截断会合并记录并降低计数,上面的样本里去掉两段后,不同的值从 1,000 降到 24。选择那种损失是你的问题能承受的脱敏。
资料来源
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

