数据脱敏规则和脱敏方法有哪些

你要给一张表或一批日志做脱敏，卡住的地方通常不是「知不知道哈希和掩码」，而是规则怎么定、字段怎么分类、方法选哪个、做完怎么证明合格。这篇按「先分类再定规则再选方法再验收」的顺序走一遍，给判断标准和可执行动作，具体口径和数字到站内对应页面核对。

给一张表或一批日志做脱敏，卡住人的地方往往不是「知不知道哈希和掩码」，而是规则怎么定、字段怎么分类、方法选哪个、做完怎么证明合格。这四件事有先后顺序，跳步做基本会返工。下面按「先分类、再定规则、再选方法、最后验收」走一遍，每一步给判断标准和能直接上手的动作。

文中所有口径、等级划分、字段样例都以站内页面为准，涉及数量或比例的地方不写死，到对应页面核对当时的数字即可。方法论部分可以照抄，具体阈值按你自己的数据盘点结果填。

先定规则：从字段清单到脱敏等级

规则不是从方法开始的，是从字段清单开始的。把要处理的表、日志、导出文件的字段拉成一张清单，逐个标成直接标识符、准标识符、业务属性三类。这个分类做错，后面方法一定选错，而且错得很难发现——数据看起来已经不像原始值了，但组合起来仍然能把人认出来。

直接标识符

单独一列就能定位到具体个人的字段，比如姓名、证件号、手机号、邮箱、住址门牌

准标识符

单独看不定位、组合起来可能定位的字段，比如年龄、地区、职业、入职年份

业务属性

业务上要用、但本身不指向个人的字段，比如订单金额、商品编号、渠道

分完类再定等级。等级只问三件事：谁能看、能看几遍、看不看得回去。只展示不解密是一档，可逆但可审计是一档，完全不可逆是一档。等级决定方法选择，不是先挑好方法再回头补等级——反过来做，通常会出现「明明写了不可逆，结果留了一份映射表在对账目录里」这种漏洞。

• 规则要写成一句可执行的话，例如「手机号只留前三后四，对内可查原值，对外不可查」，含糊表述落不了地
• 每条规则写清适用范围：哪张表、哪些字段、哪些角色、什么场景下生效
• 规则要带版本号，改一次记一次，验收时先确认跑的是哪一版
• 不适用情形：字段来源不明、字段含义上下游说法不一致、本身带合规限制时，先停下做数据盘点，别急着脱敏

方法怎么挑：按字段类型和数据用途对照

挑方法看两个维度：字段属于哪一类，脱敏后的数据还要拿来干什么。只满足第一个维度，做完的数据多半不能用；只满足第二个维度，往往又没脱干净。下面这张对照表给的是判断顺序，具体参数去站内方法说明页核对。

• 先按分类筛掉明显不合适的候选方法，剩下两三个再比可逆性和下游可用性
• 文本类字段一定要先抽样，别看字段名就定规则，备注里经常混着手机号和身份信息
• 方法确定后写进规则说明，标注「为什么不用其他方法」，方便后续复查时不用重新论证
• 不适用情形：需要精确关联或对外结算的字段，别用扰动类方法；纯文本语料类数据，别指望对账式验收

如果用哈希这类不可逆方式，还要注意同一原值在不同表里是否要能对上。要对得上，就得用同一套盐和同一套算法，并把盐单独管好；对不上，就别在跨表分析里硬拼。这一步决定权其实在下游用途，不在脱敏工具。

落地流程：批处理、日志、导出三条线

同样一套规则，落到三条线上做法不一样。批量数据、日志、导出共享，各自最容易出问题的位置不同，分开看比统一处理更省事。

1. 批量数据线走批处理脱敏，重点是规则版本管理：同一张表换规则要能追溯是哪一版跑的，出现问题时能回滚到上一版重跑
2. 日志线建议在写入前就做字段过滤，而不是事后清洗。日志量大、格式杂，事后清洗的漏网概率明显更高，站内日志脱敏与留存速查可对照看
3. 导出共享线规则要配合审批和标记，谁导的、导了什么、导出文件带什么标识要能查。这条线最容易出事，也最难事后追
4. 小团队简化做法可以直接用本地工具做批量整理，避免数据出本机，站内工具页有对应的本地处理入口，到 站内工具目录 看当时的可用工具
5. 留痕每一步留一份规则说明和脱敏样本，抽样样本比规则文档更管用，复核时直接看样本

三条线共同的坑是「规则只写在文档里、没写进流程」。文档里的规则靠人记得住，流程里的规则靠工具执行。条件允许的话，把字段分类和等级做成配置，让脱敏在管道里自动执行，人只审例外。

验收与复查：怎么证明脱敏做对了

验收不能只看「跑完了没报错」。没报错只说明格式对，不说明数据安全。下面四类验收动作建议组合使用，具体抽多少、覆盖到什么程度，按数据量和风险等级到站内页面核对参考口径。

能反查回去的脱敏，等于没做。

• 定复查节奏：数据源变了、用途变了、字段新增了，就重跑一次规则评估，不要一次做完永久不管
• 规则和验收记录放一起，复核时先看上次的验收结论，再决定这次重点查哪里
• 不适用情形：无法做对账的场景（比如纯文本语料），改用抽样加字段覆盖率检查，别硬凑对账指标

还有一个容易被忽略的动作：把脱敏后的数据当成新数据源来管。它有新的字段含义、新的使用边界、新的共享范围，如果继续按原始数据的管理方式流转，前面做的规则很快就会失效。