数据治理或者数据安全在大多数安全从业者的印象中是比较熟悉的概念，但数据安全治理似乎是个新名词。实际上，对于拥有重要数据资产的各类企业，在数据安全治理方面或多或少都有实践，只是尚未系统化的实行。比如客户数据安全管理规范及其落地的配套管控措施，以及数据分级分类管理规范。这篇文章我们希望能相对系统化地对此概念进行阐述。

一、数据安全治理的组织和受众

数据安全治理首先要成立专门的数据安全治理机构，以明确数据安全治理的政策、落实和监督由谁长期负责。该机构通常是虚拟机构，可称为数据安全治理委员会或数据安全治理小组，成员由数据的利益相关者和专家构成。其成立，标志着组织的数据安全治理工作正式启动，使组织内数据安全规范制定、数据安全技术导入、数据安全体系建设得以不断完善。该机构成立后，履行以下职责：

A．数据的分级分类原则的制定

B．数据安全使用（管理）规范的制定

C．数据安全治理技术的导入

D．数据安全使用规范的监督执行

E．数据安全治理的持续演进

二、数据安全治理的策略与流程

数据安全治理，最为重要的是实现数据安全策略和流程的制订，在企业或行业内经常被作为《某某数据安全管理规范》进行发布，所有的工作流程和技术支撑都是围绕此规范来制订、落实。

2.1 外部所要遵循的策略

数据安全治理同样需要遵循安全政策和行业内的安全政策。举例如下：

1. 网络安全法；
2. 等级保护政策；
3. BMB17；
4. 行业相关的政策要求举例：

(a) PCI-DSS、Sarbanes-Oxley Act（SOX 法案）、HIPPA；

(b) 企业内部控制基本规范；（三会、财政、审计）

(c) 中央企业商业秘密保护暂行规定；

这些政策通常是在制订组织内部政策时重点参考的外部政策规范。

2.2 数据的分级分类

数据治理主要依据数据的来源、内容和用途进行分类；以数据的价值、内容敏感程度、影响和分发范围进行敏感级别划分。

2.3 数据资产状况的梳理

2.3.1 数据使用部门和角色梳理

数据资产梳理中，明确数据如何被存储、数据被哪些对象使用、数据被如何使用。对于数据的存储和系统的使用，需要通过自动化的工具进行；对于部门、人员角色梳理，更多在管理规范文件中体现；对于数据资产使用角色的梳理，关键要明确不同受众的分工、权利和职责。

2.3.2 数据的存储与分布梳理

清楚敏感数据分布，才能知道需要对什么样的库实现何种管控策略；对该库运维人员实现怎样的管控措施；对该库的数据导出实现怎样的模糊化策略；对该库数据的存储实现何种加密要求。

2.3.3 数据的使用状况梳理

明确数据被什么业务系统访问，才能准确地制订业务系统工作人员对敏感数据访问的权限策略和管控措施。

数据的访问控制

针对数据使用不同方面，完成对数据使用的原则和控制策略，包括：数据访问的账号和权限管理、数据使用过程管理、数据共享（提取）管理、数据存储管理。

定期的稽核策略

定期稽核，保证数据安全治理规范落地，包括：

A、合规性检查；

B、操作监管与稽核；

C、风险分析与发现。

三、数据安全治理技术支撑框架

3.1 数据安全治理的技术挑战

数据安全治理面临数据状况梳理、敏感数据访问与管控、数据治理稽核三大挑战。

3.1.1 数据安全状况梳理技术挑战

组织需要确定敏感性数据在系统内部的分布情况，关键问题在于明确敏感数据的分布；确定敏感性数据如何被访问，如何掌握敏感数据以何种方式被什么系统、什么用户访问；确定当前账号和授权状况，清晰化、可视化、报表化的明确敏感数据在数据库和业务系统中的访问账号和授权状况，明确当前权控是否具备适当基础。

3.1.2 数据访问管控技术挑战

在敏感数据访问和管控技术方面，面临以下挑战：

（1）如何将敏感数据访问的审批在执行环节有效落地对于敏感数据的访问、对于批量数据的下载要进行审批制度，这是关键；

（2）如何对突破权控管理的黑客技术进行防御基于数据库的权限控制技术；

（3）如何在保持高效的同时实现存储层的加密基于文件层和硬盘层的加密将无法与数据库的权控体系结合，对运维人员无效。

（4）如何实现保持业务逻辑后的数据脱敏对于测试环境、开发环境和 BI 分析环境中的数据需要对敏感数据模糊化。

（5）如何实现数据提取分发后的管控。

3.1.3 数据安全的稽核和风险发现挑战

1、如何实现对账号和权限变化的追踪

定期对账号和权限变化状况进行稽核，保证对敏感数据的访问在既定策略和规范内。

2、如何实现全面的日志审计

全面审计是检验数据安全治理中的策略是否在日常执行中切实落地的关键。《网络安全法》针对全面的数据访问审计的要求，日志存储最少保留6个月；全面审计工作对各种通讯协议、云平台的支撑，1000 亿数据以上的存储、检索与分析能力上，均形成挑战。

3、如何快速实现对异常行为和潜在风险的发现与告警

数据治理关键要素是发现非正常的访问行为和系统中存在的潜在漏洞问题。如何对日常行为建模，是海量数据中快速发现异常行为和攻击行为避免系统面临大规模失控的关键。

3.2 数据安全治理的技术支撑

对应数据安全治理上述三大挑战，提出针对数据安全状况梳理、数据访问管控及数据安全稽核的技术保障体系。

3.2.1 数据安全状况梳理的技术支撑

1、数据静态梳理技术

静态梳理完成对敏感数据的存储分布状况、数据管理系统的漏洞状况、数据管理系统的安全配置状况的信息采集技术。

2、数据动态梳理技术

动态梳理技术实现对系统中的敏感数据的访问状况的梳理。

3、数据状况的可视化呈现技术

通过可视化技术将静态资产和动态资产梳理技术梳理出的信息以可视化的形式呈现，比如敏感数据的访问热度、资产在组织内不同部门或业务系统内的分布、系统的账号和权限图、敏感数据的范围权限图：

数据安全治理理念，首先需要成立数据安全治理的组织机构，确保数据安全治理工作在组织内能真正地落地；其次，完成数据安全治理的策略性文件和系列落地文件；再次，通过系列的数据安全技术支撑系统应对挑战，确保数据安全管理规定有效落地。

数据安全治理理念，首先需要成立数据安全治理的组织机构，确保数据安全治理工作在组织内能真正地落地；其次，完成数据安全治理的策略性文件和系列落地文件；再次，通过系列的数据安全技术支撑系统应对挑战，确保数据安全管理规定有效落地。