MySQL高级讲座篇之：MySQL 8.0的`Data Masking`功能：如何在数据库层面保护敏感数据？ - 智猿学院-前后端，数据库，人工智能，云计算等领域前沿技术讲座

大家好，我是老码，今天咱们来聊聊MySQL 8.0里一个很实用的功能：Data Masking（数据脱敏）。这玩意儿就像给数据库里的敏感信息戴上了一层面具，让那些不应该看到真实数据的人，只能看到一些“假数据”，以此来保护咱们的隐私，防止数据泄露。

想象一下，你的数据库里存着客户的身份证号、手机号、银行卡号等等，这些都是宝贝疙瘩，一旦泄露出去，那可就麻烦大了。Data Masking 就像一个隐身衣，让这些敏感数据在某些情况下“变身”，变成一些无意义的、但是格式又正确的数据。

为什么要用 Data Masking？

简单来说，就是为了安全！但是更细致地说，它能帮助我们：

保护隐私： 这是最直接的目的，避免敏感数据被未经授权的人员访问。
满足合规性要求： 很多行业都有数据保护的法规，比如 GDPR、HIPAA 等，Data Masking 可以帮助我们满足这些法规的要求。
降低开发和测试风险： 在开发和测试环境中，我们通常不需要真实的敏感数据，用脱敏后的数据可以降低数据泄露的风险。
方便数据分析： 有些分析场景只需要统计信息，不需要看到具体的敏感数据，Data Masking 可以让数据分析人员更安全地工作。

Data Masking 的原理

Data Masking 的原理其实很简单，就是通过一些预定义的规则，将数据库中的敏感数据替换成一些“假数据”。这些规则可以是：

替换： 将整个字段替换成一个固定值，比如将所有手机号都替换成 13800000000。
部分替换： 只替换字段的一部分，比如只显示手机号的前三位和后四位，中间用 * 遮盖。
随机替换： 用随机生成的数据替换原始数据，比如随机生成一个身份证号。
加密： 使用加密算法对数据进行加密，只有拥有密钥的人才能解密。
自定义函数： 使用自定义的函数来生成脱敏后的数据，可以实现更复杂的脱敏逻辑。

MySQL 8.0 Data Masking 的使用

MySQL 8.0 提供了 Data Masking 功能，让我们可以在数据库层面轻松实现数据脱敏。它主要通过以下几个步骤来实现：

定义 Masking 规则： 使用 CREATE MASK 语句来定义 Masking 规则，指定要脱敏的字段和脱敏方式。
应用 Masking 规则： 将 Masking 规则应用到指定的表或视图上。
控制访问权限： 通过 MySQL 的权限系统，控制哪些用户可以看到原始数据，哪些用户只能看到脱敏后的数据。

接下来，咱们就通过一些具体的例子，来演示一下 Data Masking 的使用方法。

例子 1：遮盖手机号

假设我们有一个 users 表，其中有一个 phone_number 字段存储用户的手机号。我们希望只显示手机号的前三位和后四位，中间用 * 遮盖。

首先，我们需要创建一个 Masking 规则：

CREATE MASK MASK_PHONE_NUMBER ON users.phone_number USING (
    CASE
        WHEN CURRENT_USER() = 'admin'@'%' THEN phone_number  -- admin用户可以看到原始数据
        ELSE CONCAT(SUBSTR(phone_number, 1, 3), '****', SUBSTR(phone_number, LENGTH(phone_number) - 3, 4))
    END
);

这个 SQL 语句的意思是：

CREATE MASK MASK_PHONE_NUMBER ON users.phone_number：创建一个名为 MASK_PHONE_NUMBER 的 Masking 规则，应用到 users 表的 phone_number 字段上。
USING ( ... )：指定脱敏的逻辑。
CASE WHEN CURRENT_USER() = 'admin'@'%' THEN phone_number：如果当前用户是 admin，则显示原始手机号。
ELSE CONCAT(SUBSTR(phone_number, 1, 3), '****', SUBSTR(phone_number, LENGTH(phone_number) - 3, 4))：否则，只显示手机号的前三位和后四位，中间用 **** 遮盖。

接下来，我们创建一个用户 developer，并授予其对 users 表的 SELECT 权限：

CREATE USER 'developer'@'%' IDENTIFIED BY 'password';
GRANT SELECT ON `your_database`.`users` TO 'developer'@'%';
FLUSH PRIVILEGES;

然后，我们分别用 admin 和 developer 用户登录 MySQL，查询 users 表的数据，看看效果。

admin 用户：

SELECT * FROM users;

可以看到，admin 用户可以看到原始的手机号。

developer 用户：

SELECT * FROM users;

可以看到，developer 用户只能看到脱敏后的手机号，中间用 **** 遮盖。

例子 2：随机替换身份证号

假设我们还有一个 users 表，其中有一个 id_card 字段存储用户的身份证号。我们希望用随机生成的身份证号来替换原始数据。

首先，我们需要创建一个自定义函数，用于生成随机身份证号：

DELIMITER $$
CREATE FUNCTION generate_random_id_card()
RETURNS VARCHAR(18)
DETERMINISTIC
BEGIN
  DECLARE area_code VARCHAR(6) DEFAULT LPAD(FLOOR(RAND() * 999999), 6, '0');
  DECLARE year VARCHAR(4) DEFAULT CAST(FLOOR(RAND() * 100 + 1920) AS CHAR);
  DECLARE month VARCHAR(2) DEFAULT LPAD(FLOOR(RAND() * 12 + 1), 2, '0');
  DECLARE day VARCHAR(2) DEFAULT LPAD(FLOOR(RAND() * 28 + 1), 2, '0');
  DECLARE seq VARCHAR(3) DEFAULT LPAD(FLOOR(RAND() * 999), 3, '0');
  DECLARE checksum INT;
  DECLARE id_card VARCHAR(17);

  SET id_card = CONCAT(area_code, year, month, day, seq);

  -- 计算校验位 (简化版本)
  SET checksum = MOD(
    (CAST(SUBSTRING(id_card, 1, 1) AS UNSIGNED) * 7 +
     CAST(SUBSTRING(id_card, 2, 1) AS UNSIGNED) * 9 +
     CAST(SUBSTRING(id_card, 3, 1) AS UNSIGNED) * 10 +
     CAST(SUBSTRING(id_card, 4, 1) AS UNSIGNED) * 5 +
     CAST(SUBSTRING(id_card, 5, 1) AS UNSIGNED) * 8 +
     CAST(SUBSTRING(id_card, 6, 1) AS UNSIGNED) * 4 +
     CAST(SUBSTRING(id_card, 7, 1) AS UNSIGNED) * 2 +
     CAST(SUBSTRING(id_card, 8, 1) AS UNSIGNED) * 1 +
     CAST(SUBSTRING(id_card, 9, 1) AS UNSIGNED) * 6 +
     CAST(SUBSTRING(id_card, 10, 1) AS UNSIGNED) * 3 +
     CAST(SUBSTRING(id_card, 11, 1) AS UNSIGNED) * 7 +
     CAST(SUBSTRING(id_card, 12, 1) AS UNSIGNED) * 9 +
     CAST(SUBSTRING(id_card, 13, 1) AS UNSIGNED) * 10 +
     CAST(SUBSTRING(id_card, 14, 1) AS UNSIGNED) * 5 +
     CAST(SUBSTRING(id_card, 15, 1) AS UNSIGNED) * 8 +
     CAST(SUBSTRING(id_card, 16, 1) AS UNSIGNED) * 4 +
     CAST(SUBSTRING(id_card, 17, 1) AS UNSIGNED) * 2),
    11
  );

  CASE checksum
    WHEN 0 THEN RETURN CONCAT(id_card, '1');
    WHEN 1 THEN RETURN CONCAT(id_card, '0');
    WHEN 2 THEN RETURN CONCAT(id_card, 'X');
    WHEN 3 THEN RETURN CONCAT(id_card, '9');
    WHEN 4 THEN RETURN CONCAT(id_card, '8');
    WHEN 5 THEN RETURN CONCAT(id_card, '7');
    WHEN 6 THEN RETURN CONCAT(id_card, '6');
    WHEN 7 THEN RETURN CONCAT(id_card, '5');
    WHEN 8 THEN RETURN CONCAT(id_card, '4');
    WHEN 9 THEN RETURN CONCAT(id_card, '3');
    WHEN 10 THEN RETURN CONCAT(id_card, '2');
  END CASE;

END$$
DELIMITER ;

这个函数的功能是：

generate_random_id_card()：函数名。
RETURNS VARCHAR(18)：返回一个长度为 18 的字符串，也就是身份证号的长度。
DETERMINISTIC：表示这个函数是确定性的，也就是说，对于相同的输入，总是返回相同的输出。
BEGIN ... END：函数体，生成随机身份证号的逻辑。

注意： 这个函数只是一个简化版本，生成的身份证号并不一定完全符合国家标准，仅仅用于演示 Data Masking 的功能。在实际应用中，你需要使用更严谨的算法来生成随机身份证号。

然后，我们创建一个 Masking 规则：

CREATE MASK MASK_ID_CARD ON users.id_card USING (
    CASE
        WHEN CURRENT_USER() = 'admin'@'%' THEN id_card  -- admin用户可以看到原始数据
        ELSE generate_random_id_card()
    END
);

这个 SQL 语句的意思是：

CREATE MASK MASK_ID_CARD ON users.id_card：创建一个名为 MASK_ID_CARD 的 Masking 规则，应用到 users 表的 id_card 字段上。
USING ( ... )：指定脱敏的逻辑。
CASE WHEN CURRENT_USER() = 'admin'@'%' THEN id_card：如果当前用户是 admin，则显示原始身份证号。
ELSE generate_random_id_card()：否则，使用 generate_random_id_card() 函数生成随机身份证号。

同样，我们用 admin 和 developer 用户登录 MySQL，查询 users 表的数据，看看效果。

admin 用户：

SELECT * FROM users;

可以看到，admin 用户可以看到原始的身份证号。

developer 用户：

SELECT * FROM users;

可以看到，developer 用户只能看到随机生成的身份证号。

Data Masking 的一些注意事项

性能影响： Data Masking 会对数据库的性能产生一定的影响，特别是在查询大量数据时。因此，我们需要 carefully 评估 Masking 规则的复杂度，以及数据量的大小，选择合适的脱敏方式。
存储空间： 如果使用加密的方式进行脱敏，会增加存储空间的占用。
权限控制： 要确保只有授权的用户才能看到原始数据，避免数据泄露。
测试： 在应用 Data Masking 规则之前，一定要在测试环境中进行充分的测试，确保脱敏后的数据满足业务需求，并且不会影响现有的应用程序。
数据一致性： 随机生成数据时要特别注意数据一致性问题，例如某些数据之间存在关联关系，随机生成时需要保证这些关系依然成立，否则会导致业务逻辑错误。
函数的确定性： 自定义函数必须是确定性的（DETERMINISTIC），否则 Data Masking 可能会出现不一致的结果。也就是说，对于相同的输入，函数必须总是返回相同的输出。

Data Masking 的一些限制

只能在 SELECT 语句中使用： Data Masking 只能在 SELECT 语句中使用，不能在 UPDATE、DELETE 等语句中使用。也就是说，Data Masking 只能控制数据的显示，不能修改数据库中的原始数据。
不能用于索引： Data Masking 不能用于索引，也就是说，不能在 WHERE 子句中使用 Masking 规则来过滤数据。
不支持全文索引： Data Masking 不支持全文索引。
不支持 Generated Column： Data Masking 不支持 Generated Column。

Data Masking 的一些替代方案

如果 MySQL 8.0 的 Data Masking 功能不能满足你的需求，你还可以考虑以下一些替代方案：

应用程序层面脱敏： 在应用程序层面进行数据脱敏，可以实现更灵活的脱敏逻辑。但是，这种方式需要修改应用程序的代码，并且可能会增加应用程序的复杂度。
ETL 工具： 使用 ETL 工具进行数据脱敏，可以在数据抽取、转换、加载的过程中，对敏感数据进行脱敏。这种方式适用于数据仓库等场景。
第三方数据脱敏工具： 使用第三方数据脱敏工具，可以提供更丰富的脱敏功能，比如数据漂白、数据替换、数据屏蔽等。

Data Masking 的最佳实践

识别敏感数据： 首先，我们需要识别数据库中的敏感数据，比如身份证号、手机号、银行卡号等等。
定义脱敏策略： 根据业务需求和安全要求，定义合适的脱敏策略。比如，对于身份证号，我们可以选择随机替换；对于手机号，我们可以选择部分替换。
选择合适的脱敏方式： 根据脱敏策略和性能要求，选择合适的脱敏方式。比如，如果对性能要求比较高，我们可以选择简单的替换方式；如果对安全性要求比较高，我们可以选择加密方式。
控制访问权限： 通过 MySQL 的权限系统，控制哪些用户可以看到原始数据，哪些用户只能看到脱敏后的数据。
定期审查： 定期审查 Data Masking 规则，确保其仍然满足业务需求和安全要求。
监控： 监控 Data Masking 的执行情况，及时发现和解决问题。

总结

Data Masking 是 MySQL 8.0 中一个非常有用的功能，可以帮助我们保护数据库中的敏感数据，满足合规性要求，降低开发和测试风险。虽然 Data Masking 有一些限制，但是通过合理的配置和使用，它可以有效地提高数据的安全性。

希望今天的讲座能够帮助大家更好地理解和使用 Data Masking 功能。记住，数据安全无小事，保护好咱们的数据，才能睡个好觉！

好了，今天的分享就到这里，如果大家有什么问题，欢迎提问。下次有机会再跟大家聊聊其他好玩的技术。拜拜！

发表回复 取消回复

发表回复取消回复