数据脱敏的这6种方案，真香！

前言

某次新来的同事，在开发环境执行了这样的代码：

// 反例：直接将生产数据同步到测试环境 public void syncUserToTest(User user) { testDB.insert(user); // 包含手机号、身份证等敏感字段 }

直接将生产的数据，比如：手机号、身份证等敏感字段，同步到了测试环境。

结果1天后，受到了公司领导的批评。

这个案例揭示了数据脱敏的极端重要性。

这篇文章给大家分享6种常用的数据脱敏方案，希望对你会有所帮助。

方案1：字符串替换（青铜级）

技术原理：通过正则表达式对敏感数据进行部分字符替换

典型代码实现：

public class StringMasker { // 手机号脱敏：13812345678 → 138****5678 public static String maskMobile(String mobile) { return mobile.replaceAll("(\\d{3})\\d{4}(\\d{4})","$1****$2"); } // 身份证脱敏：110101199003077777 → 1101********7777 public static String maskIdCard(String idCard) { if (idCard.length() == 18) { return idCard.replaceAll("(\\d{4})\\d{10}(\\w{4})","$1****$2"); } return idCard; // 处理15位旧身份证 } }

使用正则表达式将关键字字段替换成了*

适用场景对比：

优缺点分析：

• ✅ 优点：实现简单、性能高（时间复杂度O(n)）
• ❌ 缺点：
  • 无法恢复原始数据
  • 正则表达式需考虑多国数据格式差异
  • 存在模式被破解风险（如固定位置替换）

方案2：加密算法（白银级）

加密算法选型：

完整实现示例：

public class AESEncryptor { private static final String ALGORITHM ="AES/GCM/NoPadding"; private static final int TAG_LENGTH = 128; // 认证标签长度 public static String encrypt(String plaintext, SecretKey key) { byte[] iv = new byte[12]; // GCM推荐12字节IV SecureRandom random = new SecureRandom(); random.nextBytes(iv); Cipher cipher = Cipher.getInstance(ALGORITHM); cipher.init(Cipher.ENCRYPT_MODE, key, new GCMParameterSpec(TAG_LENGTH, iv)); byte[] ciphertext = cipher.doFinal(plaintext.getBytes(StandardCharsets.UTF_8)); return Base64.getEncoder().encodeToString(iv) +":" + Base64.getEncoder().encodeToString(ciphertext); } // 解密方法类似... }

密钥管理方案对比：

方案3：数据遮蔽（黄金级）

数据库层实现数据遮蔽：

-- 创建脱敏视图 CREATE VIEW masked_customers AS SELECT id, CONCAT(SUBSTR(name,1,1), '***') AS name, CONCAT(SUBSTR(mobile,1,3), '****', SUBSTR(mobile,8,4)) AS mobile FROM customers; -- 使用列级权限控制 GRANT SELECT (id, name, mobile) ON masked_customers TO test_user;

创建数据脱敏视图，在视图中将关键字段做遮蔽。

然后在后面需要用到这些字段的代码，需要统一从视图中查询数据。

代理层实现（ShardingSphere示例）：

rules: - !MASK tables: user: columns: phone: maskAlgorithm: phone_mask maskAlgorithms: phone_mask: type: MD5 props: salt: abcdefg123456

性能影响测试数据：

方案4：数据替换（铂金级）

将原始数据和脱敏的数据保存到cache中，方便后面快速的做转换。

映射表设计：

// 使用Guava Cache实现LRU缓存 LoadingCache<String, String> dataMapping = CacheBuilder.newBuilder() .maximumSize(100000) .expireAfterAccess(30, TimeUnit.MINUTES) .build(new CacheLoader<String, String>() { public String load(String key) { return UUID.randomUUID().toString().replace("-",""); } }); public String replaceData(String original) { return dataMapping.get(original); }

替换流程：

方案5：动态脱敏（钻石级）

应用层实现（Spring AOP示例）：

@Aspect @Component public class DataMaskAspect { @Around("@annotation(requiresMasking)") public Object maskData(ProceedingJoinPoint joinPoint, RequiresMasking requiresMasking) throws Throwable { Object result = joinPoint.proceed(); return mask(result, requiresMasking.type()); } private Object mask(Object data, MaskType type) { if (data instanceof User) { User user = (User) data; switch(type) { case MOBILE: user.setMobile(MaskUtil.maskMobile(user.getMobile())); break; case ID_CARD: user.setIdCard(MaskUtil.maskIdCard(user.getIdCard())); break; } } return data; } }

在需要做数据脱敏的字段上技术RequiresMasking注解，然后在Spring的AOP拦截器中，通过工具类动态实现数据的脱敏。

数据库代理层架构：

方案6：K匿名化（王者级）

1. 通俗原理解释

假设医院发布就诊数据：

当K=3时，攻击者无法确定具体某人的疾病，因为3人都具有相同特征（25岁男性）。

2. 实现步骤

医疗数据泛化示例：

public class KAnonymity { // 年龄泛化：精确值→范围 public static String generalizeAge(int age) { int range = 10; // K=10 int lower = (age / range) * range; int upper = lower + range - 1; return lower +"-" + upper; } }

假设range是K值，等于10。

generalizeAge方法中，通过一定的算法，将年龄的精确值，泛化成一个区间范围。

输入年龄28，返回20-29。

K值选择原则：

总结

下面是某电商平台各方案的使用占比：

苏三的3个核心建议：

1. 数据分类分级：不同级别数据采用不同脱敏策略
2. 定期审计：使用自动化工具扫描敏感数据泄露
3. 最小化原则：能不收集的敏感数据坚决不收集

灵魂拷问：
当黑客攻破你的数据库时，里面的数据是否像诺基亚功能机一样"防摔"？

安全大礼包

• 敏感数据扫描工具
• 脱敏策略检查表
• 数据安全架构白皮书

最后说一句(求关注，别白嫖我)

如果这篇文章对您有所帮助，或者有所启发的话，帮忙关注一下我的同名公众号：苏三说技术，我的所有文章都会在公众号上首发，您的支持是我坚持写作最大的动力。

求一键三连：点赞、转发、在看。

关注公众号：【苏三说技术】，在公众号中回复：进大厂，可以免费获取我最近整理的10万字的面试宝典，好多小伙伴靠这个宝典拿到了多家大厂的offer。