一、敏感数据治理,重点是"风险在哪"
对终端做敏感数据排查,扫出文件只是第一步。真正支撑安全决策的,是把扫描结果转化为可分析的信息:哪些部门的高风险文件最集中、哪些终端反复出现敏感信息、风险随时间是收敛还是扩散。
本文从检测与审计的角度,介绍终端敏感数据的识别规则设计、风险分级方法和日志分析思路,重点关注如何把检测结果组织成可度量、可追溯的风险数据。
二、识别规则的分层设计
敏感信息的识别不能只靠单一特征,建议分为三层规则,兼顾检出率和准确率:
基础特征层:匹配有固定格式的信息,如身份证号、银行卡号、手机号。这类规则检出率高,但需要校验规则排除误报,例如身份证的校验位、银行卡的 Luhn 校验。
关键词层:对没有固定格式但语义明确的内容,用关键词匹配,如"合同""报价单""项目代号""客户名单""机密"。关键词通常配合文件类型和上下文使用。
上下文层:单一关键词容易误报,需要结合上下文确认,例如"身份证"附近出现 18 位数字、"卡号"附近出现连续数字,才判定为真实敏感信息。
以判定为例:仅出现"合同"二字不单独告警;文件名含"合同"且为文档类型可判为中风险;文档正文命中通过校验的身份证号判为高风险;同一文件命中多类敏感信息则风险升级。
三、风险分级模型
检测结果应按风险等级分类,而不是简单罗列。一个可落地的分级维度如下:
| 风险等级 | 判定条件 | 处置建议 |
|---|---|---|
| 高 | 命中身份证、银行卡、未脱敏手机号;或单文件多类敏感信息 | 优先处置,加密或删除 |
| 中 | 文件名或正文含合同、报价、客户名单等关键词 | 纳入管控,限制外传 |
| 低 | 零散关键词、公开信息、误报候选 | 记录观察,定期复核 |
除了敏感信息类型,还应结合文件位置和文件状态调整风险:保存在桌面、下载、公共目录的文件风险高于保存在受控目录;多次被复制、外传的文件风险更高。
四、扫描日志的结构化记录
要支撑审计分析,每次扫描的结果应输出为结构化日志,而不是只在屏幕上显示。建议每条记录包含以下字段:
| 字段 | 含义 |
|---|---|
| Terminal / User | 终端名与所属用户 |
| Department | 部门,可从 AD 或资产表关联 |
| FilePath | 文件路径 |
| SensType | 敏感类型,如身份证号 |
| RiskLevel | 风险等级 |
| HitCount | 命中数量 |
| ScanTime | 扫描时间 |
结构化日志可以汇聚到统一的日志目录或管理端,为后续统计提供数据基础。
五、审计分析与趋势统计
有了结构化日志,可以从几个维度做统计分析:
按部门统计高风险文件分布,定位风险集中的业务单元;按敏感类型统计,确认主要风险是个人信息还是商业文档;按时间统计趋势,对比每次扫描的高风险文件数量,判断治理措施是否有效;按终端统计,找出反复出现敏感信息的设备,作为重点关注对象。
这些统计结果可以导出为表格,进一步生成图表,形成定期的敏感数据风险报告。在实际检测中,我们通过终端上的迪康端点安全一体化管理系统(原迪康 Defender)完成规则配置、统一扫描和风险统计,其风险分析模块可以按部门、风险等级和敏感类型汇总,检测结果直接支撑后续的审计分析。
六、从检测到闭环
检测与审计的最终目的是驱动处置。建议形成闭环:扫描发现 → 风险分级 → 记录日志 → 统计分析 → 处置(加密、删除、迁移、限制外传)→ 复查。对高风险文件,处置后应在下次扫描中确认其已被处理;对持续存在的风险,回溯到具体的人和流程,而不是只处理单个文件。
总结
敏感数据治理的关键,是把"扫出文件"升级为"识别风险、分级处置、审计追溯"。通过分层识别规则、风险分级模型、结构化日志和多维度统计,企业能够清楚地掌握敏感数据的分布和变化趋势,让安全决策有数据支撑,也让治理效果可度量、可复查。