一句话回答
数据遮罩是把敏感值换成改动过的值,比如星号、缩短的形式或一个像真的假值,让数据继续可用,同时藏起真实的值。它可以在采集时、在准备好的副本里,或只在有人查看时生效,每一种在存储里留下的东西不一样。
数据遮罩是什么?
数据遮罩(data masking)是把敏感值替换成改动过的值,比如星号、缩短的形式或一个像真的假值,让数据继续可用,同时把真实的值藏起来。显示成 xxxx 的电话号码、显示成 RXXX@XXXX.com 的邮箱、记录成 **** 的银行卡输入框,都是被遮罩的值。
它不是加密,因为加密的目的就是能用密钥还原,而遮罩通常不能还原。它也不会自动等于匿名化:第 29 条数据保护工作组 2014 年的意见 05/2014(WP216)指出,只替换标识符的技术,仍然能把一个人挑出来、并在多条记录间关联起来。更强的概念见匿名化。
大多数解释这个词的页面讲的是数据库遮罩:在测试库里藏起生产数据,或者对部分数据库用户隐藏。本页会简单讲这一类,然后讲在分析场景里真正重要的情况:会话回放、报表或导出文件可以显示什么。核心问题不是怎么遮,而是什么时候遮:在采集的时候,还是只在有人查看的时候。
遮罩的三个时机
| 遮罩在什么时候生效 | 存储里留下什么 | 谁还能还原原值 | 例子 |
|---|---|---|---|
| 采集时(值被写入之前) | 只有被遮罩的值 | 没有人;原值从没存过 | 录制器把输入框内容写成星号;看起来像邮箱的字符串在保存之前被换成占位符 |
| 静态(提前做好一份遮罩副本) | 遮罩后的副本;源头仍有原值 | 能读到源头的人 | 用生产数据生成的测试库,姓名和号码已被替换 |
| 动态(遮在用户看到的内容上) | 原值,没有改动 | 有取消遮罩权限的角色、管理员,以及能通过查询推断出值的人 | Microsoft SQL Server 的动态数据遮罩 |
最后一行最容易被误当成对数据本身的保护。微软动态数据遮罩的文档写得很清楚:数据库里的数据没有改变,拥有 UNMASK 权限的用户和管理角色能看到原值,而且这个功能并不阻止能执行临时查询的用户通过猜测推断出值。它是对结果显示内容的访问控制。这有用,但和「不持有这个值」不是一回事。
第一行则相反。开源录制器把它做成录制时的选项:TapCub 控制台使用的播放器所属的 rrweb,可以遮住所有输入框,默认遮住密码输入框,也会遮住你用类名标记的元素里的文字。
常见的遮罩技术
| 技术 | 做了什么 | 例子 | 能还原吗 |
|---|---|---|---|
| 全部遮罩 | 整个值换成固定样式 | 555.123.4567 → xxxx | 不能 |
| 部分遮罩 | 保留开头或结尾的字符 | 电话号码只剩最后四位 | 不能 |
| 邮箱遮罩 | 保留首字母和固定形状 | RTamburello@contoso.com → RXXX@XXXX.com | 不能 |
| 替换 | 换成一个像真的假值 | Roberto → Maria | 不能,前提是不保留对照表 |
| 打乱 | 在行与行之间调换真实值 | 薪资在员工之间重新分配 | 不能,前提是不保留顺序 |
| 置空 | 删除这个值 | NULL | 不能 |
全部遮罩和邮箱遮罩的例子来自微软的文档。部分遮罩要小心:首字母加域名,可能把一份很小的客户名单缩小到寥寥几个人。
算例:遮罩放在哪里,决定存了什么
示例数据:一个网站一个月有 20,000 个会话,其中 10% 用会话回放录制,共 2,000 条录像。结账表单有 6 个输入框。约 18% 的会话(2,000 条录像里的 360 条)还会打开一个账户页,页面上用纯文本显示这个人的姓名和邮箱。
| 做法 | 存储里可读的输入值 | 页面文字里带姓名或邮箱的录像 |
|---|---|---|
| 不遮罩 | 2,000 × 6 = 12,000 | 360 |
| 在采集时遮罩输入值 | 0 | 360 |
| 遮罩输入值,并且账户页不录制 | 0 | 0 |
| 输入值不遮罩,只在有人播放录像时隐藏 | 12,000 | 360 |
最后一行在你看录像时显得很安全,其实不是:这 12,000 个值和 360 个页面,在保留期内仍然存着,在任何导出里、任何备份里都在。只在播放器里生效的遮罩,保护的是查看的人看不到原值,不是保护数据不被泄露。还要注意,遮住输入框,对页面上直接印着的文字毫无作用,所以第三行需要另一种控制:排除这个页面,或者遮住所有文字。
什么时候在采集时遮、什么时候在显示时遮、什么时候做一份副本
- 如果你宁愿完全不持有这个值(密码、银行卡号、身份证件和医疗表单),就在采集时遮罩或排除。GDPR 第 5 条第 1 款(c)项要求数据限于必要范围,第 25 条第 2 款要求默认就这样做。
- 如果有的角色需要这个值、有的不需要(客服看邮箱,只读成员不看),就在显示时遮罩,并配合角色限制和审计。
- 如果数据要送到测试或培训环境,就做一份静态遮罩的副本,让原值不离开生产环境。
- 如果一个值只是偶尔有用,也要缩短保留时间;遮罩和保留期要一起用。
常见误区
- 「遮罩了就是匿名了。」被遮罩的字段旁边,可能还有用户 ID、设备或时间戳,仍然能识别到这个人。见 PII。
- 「播放器里看不到,就等于不存在。」显示遮罩改变的是屏幕显示的内容。存储的数据、导出和备份跟随的是存下来的值。
- 「把输入框全遮上,录像就安全了。」页面上直接印着的文字仍可能带个人数据。
- 「以后再遮,能修补之前的录像。」设置的改变只作用于之后采集的内容。之前的录像保留当时采集到的东西,直到被删除或过期。
- 「一层就够了。」采集、显示和保留期,各自覆盖不同的失误。
在 TapCub 里怎么做数据遮罩
TapCub 有采集时的遮罩(会话回放和属性清洗),也有显示时的遮罩(按角色)。两者是分开的两层,本节只讲分析用户看到的内容;在线客服的对话有自己的保留期和删除控制。
接着上面的例子:你想要结账流程的录像,但不想存下人们输入的内容。
- 有意识地开启回放。会话回放默认关闭,只有所有者或管理员能在 全端分析 › 行为分析 › 会话回放 的「设置」页签里启用。开关会要求你确认:隐私政策已经说明录制,涉及支付、证件或医疗表单的页面已列入排除名单。
- 保持输入遮罩开启。 遮挡输入框内容 默认开启,输入框的值记录成星号。遮挡所有文本 默认关闭,页面文字本身涉及个人信息的后台类页面可以打开。密码输入框、带
data-tc-ignore或wc-no-replay标记的区块以及客服组件,永远不会被录制。 - 排除路径。 排除路径 最多填 20 个以
/开头的路径前缀,这些页面不会被录制。示例里的账户页,就用这个控制。 - 缩短暴露时间。默认采样率是 10%(超过 10% 会显示存储告警),保留期是 30 天,可调 1 到 90 天。管理员可以删除录像,所有者可以清空全部。改设置不会改写已经录好的录像。
- 从事件里清洗个人数据。在 配置 › 合规中心 里,开启清洗后,事件属性里看起来像邮箱或电话号码的字符串,会在存储之前被换成占位符。全埋点默认不记录可见文字。
- 遮住成员看到的内容。另外,报表和导出按角色做显示遮罩,分不遮、半遮、全遮三档。默认情况下,管理员看到明文标识符,分析师看到半遮的直接标识符,只读成员看到全遮的直接标识符。直接标识符在列表和导出里默认被遮罩;属性规则和成员规则不一致时,取更严格的那个。这不会改变存储的内容。
TapCub 不用这些设置遮罩在线客服的对话记录,也不回放客服对话;回放只覆盖网页。
资料来源
- Microsoft Learn,Dynamic Data Masking(SQL Server)。
- rrweb,Guide:隐私与录制选项。
- 第 29 条数据保护工作组,Opinion 05/2014 on Anonymisation Techniques(WP216)。
- EUR-Lex,Regulation (EU) 2016/679(GDPR):第 5 条第 1 款(c)项、第 25 条第 2 款。
这个解释清楚吗?
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。
