当前位置:首页 > 科研成果库

数据锁进保险箱了,怎么还是被人看光?聊聊数据安全保护里最漏风的一环

2026-11-16 11:43:18小研科研成果库8

前几天跟一个做电商的朋友吃饭,他喝到一半突然叹气。

“我们数据安全保护搞得挺全的啊,等保三级过了,传输上了TLS,磁盘也是加密的。结果老板昨天问我,能不能把上个月下单用户的手机号导出来做个回访。我说能。他愣住了。”

我也愣了一下。

对啊。你辛辛苦苦把数据锁进保险箱,钥匙插在锁孔上,谁路过都能拧开看一眼。那这个锁,锁了个啥?

这事儿的根子,卡在一个特别拧巴的地方——数据的三态里,前两个都有成熟答案,第三个到现在还在打架。

加密了,但只加密了一半

数据躺着的时候,叫静态数据。这块其实好办。硬盘加密、数据库透明加密(TDE)、文件系统加密,都是现成的活。丢块硬盘、被人拔走机器,里面的东西是密文,撬不开。这块大家做得都还行,因为它是“防外部盗窃”的逻辑。

数据跑起来的时候,叫传输数据。TLS、专线、VPN,也是成熟的。防的是路上被人截胡。

但数据真正干活的时候——就是它被读进内存、被CPU运算、被程序处理的那个瞬间——它是明文。

这才是要命的地方。

服务器机房磁盘阵列加密存储设备照片服务器机房磁盘阵列加密存储设备照片

你那条导手机号的SQL一执行,数据库先把数据从磁盘解密,加载到内存,然后算一遍,再返回给客户端。解密之后的这几百毫秒里,明文就那么大大方方躺在RAM里。谁在这几百毫秒里能伸手进去,谁就看得见全部。

谁能伸手?

太多了。root权限的运维。云厂商的宿主机管理员(如果你用公有云)。一个内存dump工具。一个core dump没关干净。甚至内存交换到swap分区的那一小块残留。还有更阴的,某个日志框架不小心把参数打了出来,明文手机号直接进日志文件。

所以你会发现一个挺荒诞的现实:我们花钱做了那么多加密,最后拦住的是小偷偷硬盘,真正天天看数据的“自己人”,一点没拦住。

那几条“让数据算而不见”的路

这个问题的学名叫使用中的数据保护。通往答案的路,目前主要就三条。

第一条,可信执行环境,圈子里叫TEE。

说白了,就是在CPU内部划出一块加密的、隔离的小黑屋。数据进了这个黑屋才解密,算完再加密出来。外面跑的操作系统——哪怕它是被黑掉的操作系统、是被恶意Hypervisor控制的环境——都摸不到这块内存。

CPU芯片可信执行环境TEE内存隔离加密架构原理图CPU芯片可信执行环境TEE内存隔离加密架构原理图

听着很美好对吧?确实是个大方向。Intel的SGX、ARM的TrustZone、还有各种国产化芯片方案,都在往这个路上挤。

但坑也不小。

飞地(Enclave)的内存是有上限的,不是你想塞多少塞多少。老代码往里面搬,改造成本能劝退一半团队。更要命的是侧信道——前几年那几个Spectre系列的漏洞,直接把小黑屋的墙给凿穿了几道缝。你可以说小黑屋的建筑质量在进步,但它从来不是绝对安全的。

第二条,同态加密。

这个名字听着玄乎,其实逻辑很朴素:我不用解密,直接对着密文做加法、做乘法,算完出来的结果,解密之后,正好等于对原文做同样运算的结果。

等于说数据全程穿着“密文外套”,CPU照样能干活。

理想状态美到窒息。现实呢?慢。不是慢一点,是慢几个数量级。一次简单的密文乘法,可能比明文慢上万倍。所以它现在主要用在特定的小场景——隐私求交集、密文检索、小规模的统计分析。你真拿它当生产环境的通用计算引擎,还不现实。

第三条,多方安全计算,简称MPC。

这条路的思路完全不同。它不要求任何一方信任别人。两家银行想查一下共同的黑名单客户,谁都不想把自己名单给对面看。怎么办?用秘密分享把数据切成碎片,各家握一块,通过好几轮交互计算,最后只暴露“交集”这一个结果,其他什么都不知道。

金融行业对这块兴趣很大,因为它的场景天然就是“大家都有数据,但大家互相防着”。

代价是通信开销。轮次多,带宽吃紧,参与方越多,复杂度涨得越凶。

别被概念骗了,几个特别常见的误会

别被概念骗了,几个特别常见的误会别被概念骗了,几个特别常见的误会

聊到这儿,我得泼点冷水。

误会一:上了加密就等于安全了。

加密这东西,安全感很足,漏洞也很足。密钥跟密文放一起,等于把家门钥匙插在门上。密钥在内存里不擦干净,等于你转身走的时候留了把备用钥匙。密钥管理系统(KMS)没做好权限隔离,那所有加密都是一层纸。真正难的不是加解密算法,是密钥的整个生命周期管理。

误会二:数据脱敏了就能随便流通。

你把手机号中间四位打了星号,觉得安全了。可如果同时还有精确到分的下单时间、收货地址的省市、订单金额呢?几项一组合,重识别(re-identification)的成功率高得吓人。学术上这类翻车案例一抓一大把。脱敏这件事,脱离数据集讨论脱敏强度,基本是耍流氓。

误会三:用了TEE、MPC就一定安全。

技术再好,架不住人乱用。信任根最终还是落在硬件供应链、落在运维流程、落在谁能碰到那台机器上。你把密码学做得固若金汤,结果运维图省事把私钥写进了Git仓库——历史上一堆安全事故都是这么来的。

说实话,我见过太多团队,PPT上堆满了“隐私计算”“联邦学习”这些词,真要上线,连最基本的日志脱敏都没做完。

没有银弹,只有权衡

没有银弹,只有权衡没有银弹,只有权衡

工程上看,这几种技术很少单打独斗。真实系统里常见的是组合:TEE做信任根,负责最敏感那一小段的计算;联邦学习散出去,让数据留在本地,模型动;跨机构的那种,再用MPC兜底。谁也不是万能钥匙,都是补丁,拼起来尽量减少暴露面。

但有个底线得说清楚:不存在“数据绝对安全”的终局方案。

安全永远是成本和收益的对账。你为了保护一个非核心的表,上了一整套同态加密,算力成本翻了十倍,业务响应从毫秒变秒级,这笔账未必划算。反过来,一条能定位到具体个人的健康记录,值得你上最重的手段。

所以我现在给团队讲数据安全保护,最后总能收到一句话上——先想清楚,你保护的到底是谁的数据,被谁看见会造成什么后果。想明白这个,再去选工具。

不然,你只是在给一把挂在门上的锁,多加了几道漂亮的划痕而已。