本模块聚焦数据安全与隐私保护，涵盖加密技术、数据脱敏、隐私计算、合规要求、DLP、密钥管理、安全审计等核心主题。是数据安全工程师和合规岗位的重点考察内容。

---

Q1: 什么是数据加密？对称加密和非对称加密的区别？ 「🟡 中级」

考察点：考察密码学基础知识。筛掉对加密原理不了解、混淆对称和非对称加密的开发和安全人员。

参考答案：

数据加密是指通过加密算法和密钥，将明文（原始数据）转换为密文（不可读数据）的过程，只有持有正确密钥的接收方才能解密还原出明文。目的是保护数据的机密性。

对称加密（Symmetric Encryption）：

• 特点：加密和解密使用同一个密钥
• 常用算法：
  • AES（Advanced Encryption Standard）：目前最主流，密钥长度 128/192/256 位
  • DES / 3DES：已过时，安全性不足
  • SM4：国密算法，中国商用密码标准
• 优点：计算速度快，适合大量数据加密
• 缺点：密钥分发困难，密钥管理复杂
• 应用场景：大数据加密、文件加密、数据库加密、通信会话加密

非对称加密（Asymmetric Encryption）：

• 特点：使用一对密钥——公钥（Public Key）和私钥（Private Key）
  • 公钥加密，私钥解密
  • 私钥签名，公钥验签
• 常用算法：
  • RSA：最经典，基于大整数分解难题，密钥长度 2048/4096 位
  • ECC（椭圆曲线加密）：相同安全强度下密钥更短，计算更快
  • SM2：国密非对称算法
• 优点：解决了密钥分发问题，可用于数字签名
• 缺点：计算速度慢，不适合大量数据加密
• 应用场景：密钥交换、数字签名、证书、HTTPS 握手

核心区别对比：

特性	对称加密	非对称加密
密钥数量	1个（共享密钥）	2个（公钥+私钥）
速度	快（100~1000倍）	慢
密钥分发	困难	容易（公钥公开）
主要用途	加密大量数据	密钥交换、数字签名
安全性	依赖密钥保密	依赖数学难题

混合加密（Hybrid Encryption）：

实际应用中通常结合两者的优点：

1. 生成随机对称密钥（会话密钥）
2. 用对称密钥加密大量数据
3. 用接收方的公钥加密对称密钥
4. 将加密后的数据 + 加密后的密钥一起发送
5. 接收方用私钥解密得到对称密钥
6. 用对称密钥解密数据

HTTPS、PGP 等都是混合加密的典型应用。

追问延伸：

• HTTPS 中对称加密和非对称加密分别用在哪里？
• AES 的 ECB、CBC、GCM 模式有什么区别？哪个更安全？
• RSA 为什么慢？慢到什么程度？
• 什么是数字签名？非对称加密如何实现签名？
• 国密算法有哪些？SM2/SM3/SM4 分别是什么？

---

Q2: 什么是数据脱敏？常见方法有哪些？ 「🟡 中级」

考察点：考察数据隐私保护的实践方法。筛掉对数据安全治理不了解、随意使用生产数据的开发和测试人员。

参考答案：

数据脱敏（Data Masking / Data Anonymization）是指对敏感数据进行变形、替换或隐藏，使其无法识别出真实的个人或敏感信息，同时保留数据的格式和业务特征，以便在非生产环境中安全使用。

应用场景：

• 开发测试环境：将生产数据脱敏后提供给开发测试使用
• 数据分析：对外提供数据用于分析，保护用户隐私
• 数据共享：跨部门、跨企业数据共享
• 界面展示：前端页面展示时对敏感信息打码

常见脱敏方法：

1. 替换（Substitution）

   • 用伪造但格式一致的数据替换真实数据
   • 如将真实姓名替换为随机生成的假姓名
   • 优点：保留数据格式和分布特征
   • 工具：Faker 库

2. 掩码（Masking）

   • 只保留部分信息，其余用特殊字符（*）遮盖
   • 如手机号：138****1234
   • 如身份证：110***********1234
   • 如银行卡号：6222 **** **** 1234
   • 常用于展示场景

3. 泛化（Generalization）

   • 将精确值替换为范围值，降低精度
   • 如年龄 28 → 25-30 岁
   • 如具体地址 → 所在城市
   • 如精确日期 → 年份或月份
   • 常用于数据分析场景

4. 随机化（Randomization）

   • 随机打乱数据，破坏真实对应关系
   • 如将姓名列随机打乱，仍有姓名字段但和其他字段不对应
   • 洗牌算法实现

5. 加密（Encryption）

   • 使用加密算法加密敏感字段
   • 保留解密能力（授权用户可解密查看）
   • 适用于需要保留原始数据但限制访问的场景
   • 格式保留加密（FPE）：加密后保持原格式

6. 删除/置空

   • 直接删除不需要的敏感字段
   • 最彻底，但数据可用性最低

7. 哈希（Hashing）

   • 对数据进行哈希处理
   • 注意：单纯哈希不安全，可通过彩虹表反查，需要加盐
   • 适用于不需要还原但需要比对的场景

脱敏原则：

• 最小可用：只保留必要的信息
• 不可逆：脱敏后的数据不能被还原（根据场景需求）
• 一致性：同一数据脱敏后结果一致（保证关联关系）
• 格式保持：脱敏后数据格式不变，不影响系统使用

追问延伸：

• 数据脱敏和数据加密有什么区别？
• 什么是 k-匿名、l-多样性、t-接近性？（隐私保护评估标准）
• 开发测试环境的数据脱敏通常怎么做？有什么工具？
• 什么是差分隐私？和传统脱敏有什么区别？
• 如何保证脱敏数据的业务可用性？（如保持数据分布、关联关系）

---

Q3: 什么是隐私计算？有哪些技术？ 「🔴 高级」

考察点：考察前沿隐私保护技术的了解。筛掉对数据安全前沿领域不关注的高级安全和算法人员。

参考答案：

隐私计算（Privacy Computing / Privacy-Preserving Computation）是一类技术的统称，目标是在不泄露原始数据的前提下，对数据进行计算和分析，实现"数据可用不可见"。

核心价值：

• 解决数据流通和隐私保护之间的矛盾
• 让多方可以联合计算数据，但各方都不暴露自己的原始数据
• 满足数据合规要求（GDPR、个人信息保护法等）

主要技术方向：

1. 联邦学习（Federated Learning）

• 定义：多个参与方在不交换原始数据的前提下，协同训练机器学习模型
• 原理：
  • 各方在本地用自己的数据训练模型
  • 只上传模型参数或梯度到协调方
  • 协调方聚合各方参数，更新全局模型
  • 多轮迭代后得到最终模型
• 分类：
  • 横向联邦：样本不同，特征相同（如两家银行联合建模）
  • 纵向联邦：样本相同，特征不同（如银行和电商联合建模）
  • 联邦迁移学习：样本和特征都不同
• 应用场景：金融风控、医疗AI、广告推荐

2. 安全多方计算（MPC / Secure Multi-Party Computation）

• 定义：多个参与方共同计算一个函数，各方只输入自己的私有数据，计算过程中不泄露任何中间信息，最终只得到计算结果
• 核心技术：
  • 混淆电路（Garbled Circuits）
  • 秘密共享（Secret Sharing）
  • 同态加密（部分应用）
  • 不经意传输（Oblivious Transfer）
• 特点：
  • 安全性最高，可证明安全
  • 计算开销大，通信开销大
  • 适合小数据量的精确计算
• 应用场景：联合统计、数据查询、竞拍、隐私求交

3. 同态加密（Homomorphic Encryption）

• 定义：一种特殊的加密算法，可以直接对密文进行计算，解密后得到的结果和对明文计算的结果相同
• 公式描述：Decrypt(Encrypt(a) + Encrypt(b)) = a + b
• 分类：
  • 部分同态：只支持加法或乘法一种运算
  • 全同态（FHE）：支持任意运算
• 特点：
  • 可以实现任意函数的隐私计算
  • 全同态加密计算开销极大，目前还难以大规模实用
• 应用场景：云外包计算、加密数据检索

4. 差分隐私（Differential Privacy）

• 定义：通过在数据或计算结果中添加精心设计的噪声，使得攻击者无法通过查询结果判断某个人是否在数据集中
• 核心概念：
  • ε（epsilon）：隐私预算，值越小隐私保护越强，但数据可用性越低
  • 敏感度：函数在相邻数据集上的最大输出差异
• 实现方式：
  • 中心化差分隐私：数据集中后加噪声
  • 本地化差分隐私：每个用户本地加噪声后再上传
• 应用场景：统计查询、数据发布、推荐系统
• 实际案例：苹果 iOS 的差分隐私、Google Chrome 的隐私统计

技术对比：

技术	隐私强度	计算效率	数据精度	适用场景
联邦学习	中	中高	高	机器学习建模
MPC	高	低	高	联合统计、精确计算
同态加密	高	极低	高	云加密计算
差分隐私	可调	高	低（有噪声）	统计发布、数据采集

追问延伸：

• 联邦学习有什么安全风险？（梯度泄露、成员推断、模型投毒）
• 什么是隐私集合求交（PSI）？属于哪种隐私计算技术？
• 差分隐私的 ε 是什么意思？如何选择 ε 的值？
• 同态加密为什么慢？全同态加密的发展现状如何？
• 隐私计算和数据脱敏有什么区别？

---

Q4: GDPR/个人信息保护法有哪些核心要求？ 「🟡 中级」

考察点：考察数据合规意识。筛掉对隐私法规不了解、数据处理随意的开发和产品人员。

参考答案：

GDPR（General Data Protection Regulation，通用数据保护条例）是欧盟的隐私保护法规，2018 年生效，是全球最严格的隐私法规之一。

《个人信息保护法》（PIPL）是中国的个人信息保护法律，2021 年 11 月 1 日起施行，借鉴了 GDPR 的很多理念。

核心原则和要求：

1. 数据最小化（Data Minimization）

• 只收集实现目的所必需的最少数据
• 不能过度收集、"全家桶式"收集
• 例如：地图 App 不需要读取通讯录

2. 目的限定（Purpose Limitation）

• 收集数据时要有明确、合法、正当的目的
• 后续使用不能超出最初声明的目的
• 超出原目的需要再次获得同意

3. 知情同意（Consent）

• 处理个人信息前需获得个人的同意
• 同意必须是自愿、明确、具体的
• 个人有权随时撤回同意，且撤回应和给予同意一样容易
• 不得用"不同意就不能用"的方式强迫同意（基础功能除外）

4. 数据主体权利

• 知情权：知道个人信息如何被处理
• 访问权：可以查询自己的个人信息
• 更正权：要求更正不准确的信息
• 删除权（被遗忘权）：要求删除个人信息
• 可携带权：获取个人信息副本并转移
• 反对权：反对基于合法利益的处理
• 解释权：对自动化决策结果有解释权

5. 数据泄露通知（Data Breach Notification）

• 发生个人信息泄露后，需在规定时间内向监管机构报告
• GDPR：72 小时内
• 个保法：立即采取补救措施，并通知监管部门和个人
• 可能对个人造成高风险时，需通知受影响的个人

6. 问责制（Accountability）

• 数据控制者/处理者需对个人信息处理活动负责
• 需建立内部管理制度、采取安全措施
• 需记录处理活动，接受监管检查

7. 其他重要要求：

• 合法性基础：处理个人信息必须有合法基础（同意、合同履行、法定义务、公共利益、合法利益等）
• 跨境传输：个人信息跨境传输需满足特定条件（安全评估、认证、标准合同等）
• DPO（数据保护官）：特定规模的企业需要设立
• 隐私影响评估（PIA/DPIA）：高风险处理活动需事前评估
• 重罚机制：GDPR 最高罚款 2000 万欧元或全球年营业额的 4%（取较高者）

追问延伸：

• 个人信息和敏感个人信息有什么区别？敏感信息包括哪些？
• 什么是数据控制者和数据处理者？有什么区别和责任？
• 个人信息跨境传输有哪些合法路径？
• 什么是隐私设计（Privacy by Design）？
• 产品开发中如何落实隐私合规要求？

---

Q5: 什么是数据泄露防护（DLP）？ 「🔴 高级」

考察点：考察数据安全治理的体系化能力。筛掉对企业数据安全防护方案不了解的安全架构和管理人员。

参考答案：

DLP（Data Loss Prevention，数据泄露防护）是一套技术和管理体系，用于识别、监控和保护企业的敏感数据，防止敏感数据通过各种渠道被未授权地泄露或带出企业。

核心目标：

• 发现敏感数据在哪里
• 监控敏感数据的流动
• 阻止敏感数据的违规外泄

DLP 的技术手段：

1. 内容识别技术

• 关键字/正则匹配：根据关键词或正则表达式识别敏感内容（如身份证号、银行卡号）
• 指纹匹配：对敏感文档生成指纹，精确匹配
• 文件类型识别：识别文件格式（源代码、设计文档等）
• 机器学习分类：训练模型自动识别敏感文档
• 数据标签：通过数据分类分级打标签，DLP 识别标签

2. 策略控制

• 监控（Monitor）：只记录不阻断，用于摸底和调优
• 警告（Warn）：用户操作时弹出警告，用户确认后可继续
• 阻断（Block）：直接阻止违规操作
• 加密（Encrypt）：自动加密敏感文件
• 隔离（Quarantine）：将违规文件移到隔离区

DLP 部署方式：

1. 网络 DLP（Network DLP）

• 部署在网络出口，监控所有出站流量
• 监控协议：HTTP/HTTPS、FTP、SMTP 邮件、即时通讯等
• 检测外发内容中的敏感数据，违规则阻断或告警

2. 终端 DLP（Endpoint DLP）

• 在员工电脑上安装客户端代理
• 监控本地操作：U盘拷贝、打印、截屏、复制粘贴、刻录光盘等
• 可以做更细粒度的控制
• 优点：控制能力强；缺点：需要部署客户端

3. 存储 DLP（Storage DLP）

• 扫描文件服务器、数据库、云存储等存储位置
• 发现敏感数据的存储位置和分布
• 识别权限配置不当、冗余敏感数据等问题
• 用于数据发现和分类分级

4. 云 DLP（Cloud DLP）

• 针对 SaaS 应用（邮件、网盘、协作平台等）
• 集成到云服务中，监控云环境中的数据流动

DLP 实施步骤：

1. 数据发现：搞清楚敏感数据在哪里
2. 分类分级：对数据进行分类和分级，定义敏感级别
3. 策略制定：针对不同级别数据制定不同的防护策略
4. 监控调优：先监控模式运行，降低误报率
5. 阻断执行：策略成熟后切换到阻断模式
6. 持续优化：根据业务变化不断调整

追问延伸：

• DLP 和数据防泄漏、数据泄露防护是一回事吗？
• DLP 的误报率高吗？如何降低误报？
• 什么是数据分类分级？和 DLP 有什么关系？
• 终端 DLP 会不会影响员工正常工作？如何平衡安全和效率？
• DLP 能防止内部人员主动泄密吗？有什么局限性？

---

Q6: 密钥管理有哪些最佳实践？ 「🔴 高级」

考察点：考察密钥安全的体系化知识。筛掉对密钥生命周期管理不了解、密钥随意存放的安全和运维人员。

参考答案：

密钥管理（Key Management）是指对密钥的生成、存储、分发、使用、轮换、归档和销毁等全生命周期进行安全管理的过程。密钥是加密体系的核心，密钥泄露意味着加密数据的完全暴露。

密钥生命周期：

生成 → 分发 → 存储 → 使用 → 轮换 → 归档 → 销毁

最佳实践：

1. 密钥生成

• 使用密码学安全的随机数生成器（CSPRNG）
• 密钥长度满足安全要求（AES-256、RSA-2048+、ECC-256+）
• 密钥生成环境安全（离线生成、专用硬件）
• 不同用途使用不同密钥，不要一把密钥走天下

2. 密钥分级

密钥分层管理，上层密钥保护下层密钥：

层级	密钥类型	说明
L0	根密钥（Root Key）	最高级别，离线存储，保护主密钥
L1	主密钥（Master Key）	保护数据加密密钥
L2	数据加密密钥（DEK）	直接加密业务数据

• 根密钥使用最少，安全性最高
• 数据加密密钥可以频繁更换，由上层密钥保护

3. 密钥存储

• 禁止硬编码：密钥不能写在代码、配置文件中
• 使用 KMS（密钥管理服务）：专业的密钥管理系统
  • 云厂商 KMS：AWS KMS、阿里云 KMS、腾讯云 KMS
  • 自建 KMS：HashiCorp Vault
• HSM（硬件安全模块）：高安全场景使用专用硬件存储密钥
  • 密钥无法被导出，加密运算在硬件内部完成
  • 金融、政务等高安全等级场景
• 数据库中只存密文密钥或密钥 ID，不存明文密钥

4. 密钥分发

• 密钥传输过程中必须加密保护
• 非对称加密协商对称密钥（如 TLS 握手）
• 密钥拆分共享（Shamir 秘密共享）：多人各持一部分，需多人配合才能恢复

5. 密钥轮换（Key Rotation）

• 定期更换密钥，降低密钥泄露的影响
• 自动轮换：KMS 支持自动轮换功能
• 数据密钥轮换：新数据用新密钥加密，旧数据用旧密钥解密后用新密钥重加密
• 密钥泄露时立即应急轮换

6. 密钥销毁

• 不再使用的密钥要彻底销毁
• 销毁方式：安全删除、粉碎硬件、多次覆写
• 归档密钥按保留期限到期后销毁
• 销毁操作需审计记录

7. 访问控制

• 最小权限原则：谁需要用才给谁访问权限
• 密钥使用操作需审计日志
• 关键操作多人审批（M of N）

8. 备份与恢复

• 密钥必须有备份，防止丢失导致数据不可用
• 备份密钥存储在安全的离线位置
• 定期演练密钥恢复流程

追问延伸：

• 什么是信封加密（Envelope Encryption）？和密钥分级有什么关系？
• KMS 和 HSM 有什么区别？
• 代码里的密钥和配置怎么管理？用什么工具？
• 密钥轮换时，已加密的数据怎么办？
• 什么是密钥泄露检测？如何发现密钥已经泄露？

---

Q7: 什么是安全审计日志？应该记录什么？ 「🟡 中级」

考察点：考察安全可审计性的理解。筛掉对日志安全和溯源取证不重视的开发和运维人员。

参考答案：

安全审计日志是记录系统中与安全相关事件的日志，用于事后追溯、安全分析、合规审计和入侵检测。它是安全事件响应和取证的基础。

核心原则：记录"谁（Who）在什么时候（When）从哪里（Where）做了什么（What）结果如何（Result）"——即 5W 原则。

应该记录的内容：

1. 身份认证相关

• 登录成功/失败（用户名、IP、时间、设备信息）
• 登出记录
• 密码修改、密码重置
• 多因素认证操作
• 账号锁定、解锁

2. 权限变更相关

• 用户创建/删除/禁用
• 角色/权限变更
• 管理员操作（提权、改配置等）

3. 数据操作相关

• 敏感数据的增删改查
• 数据导出、下载
• 数据批量操作
• 数据跨系统传输

4. 系统配置相关

• 安全配置修改（防火墙规则、访问控制策略）
• 系统参数修改
• 软件安装/卸载/升级

5. 安全事件相关

• 攻击检测告警（WAF、IDS 告警）
• 恶意代码检测
• 异常行为检测（异常登录、异常访问）
• 安全扫描记录

每条日志应包含的字段：

• 时间戳：精确到毫秒，使用 UTC 或明确时区
• 事件类型：登录、权限变更、数据操作等
• 主体：用户 ID、账号名、服务名
• 源 IP / 位置：请求来源
• 目标资源：操作的对象（URL、文件、数据表等）
• 操作动作：GET/POST/DELETE、增删改查等
• 操作结果：成功/失败、失败原因
• 请求参数：关键参数（注意脱敏）
• 设备/用户代理：User-Agent、设备指纹

日志安全保护：

1. 防篡改

   • 日志集中存储，不在本地留存
   • 日志服务器独立，权限严格控制
   • 使用只追加（append-only）存储
   • 日志签名（每条日志加哈希或数字签名）

2. 访问控制

   • 日志查询需要权限审批
   • 禁止删除和修改日志
   • 操作日志本身也要被记录

3. 存储安全

   • 加密存储敏感日志
   • 定期备份
   • 设置合理的保留期限（合规要求通常 6 个月以上）

4. 日志分析

   • 集中收集和分析（ELK、Splunk、SIEM）
   • 异常检测和告警
   • 定期审计日志

不应记录的内容：

• 用户密码、Token 等敏感凭证
• 完整的身份证号、银行卡号等敏感个人信息（应脱敏）
• 与安全无关的冗余信息（增加存储和分析成本）

追问延伸：

• 什么是 SIEM？和普通日志系统有什么区别？
• 日志被攻击者删除了怎么办？如何保证日志的完整性？
• 安全审计和普通的业务日志有什么区别？
• 什么是日志的不可否认性（Non-repudiation）？如何实现？
• 海量日志如何做安全分析？有什么方法和工具？