在Intuit，我们团队搭建过一条处理TurboTax报税数据的数据管道。这些数据要供给仪表盘、分析任务和其他下游场景使用。最大的难题之一，是保护社保号这类个人身份信息。
社保号极度敏感，在数据管道的每个环节都必须被保护。但与此同时，分析团队有时需要做正当的业务操作，比如找出某个客户对应的记录，或者做精确匹配查询。
那么问题来了：怎么在保护敏感数据的同时，还允许受控的等值搜索，而不暴露明文？
先搞清楚：为什么要加密
社保号、邮箱地址、电话号码、财务信息，都属于高度敏感的个人身份信息。如果把明文直接存进数据湖或数据库，存储层一旦被攻破，就可能泄露大量敏感信息。
加密的作用，是把明文转换成密文。没有对应的密钥，密文不应该暴露原始值。但对数据平台来说，加密又带来了一个新要求。
假设一个分析应用需要找出社保号等于某个值的记录。如果社保号是加密的，我们并不想让应用为了做一次等值查询就把整个数据集解密。这正是确定性加密派上用场的地方。
概率加密：安全，但搜不了
先看AES。AES是一种被广泛使用的对称加密算法，用一把密钥把明文变成密文，同一把密钥再把密文解回明文。在实际系统里，AES会搭配不同的加密模式和构造，随机性、初始化向量或随机数的处理方式，会影响一个关键性质：同一段明文反复加密，得到的是相同还是不同的密文。
概率加密在加密过程中引入随机性。同一段明文、同一把密钥，每次加密出来的密文可以都不一样。这种随机性是刻意的，它能防止有人通过观察密文，轻易判断出两条密文代表同一个底层值。
它的优势很明确：能强力抵御等值模式分析，让重复的明文值在加密后看起来各不相同，适合那些不需要直接比较密文值的场景。
但随机性也带来了麻烦。假设要找出所有社保号等于某个值的记录，同一个社保号被加密多次后，密文各不相同。一句简单的等值查询就没法可靠工作了。
这就是数据平台要面对的一个权衡：随机性带来了更强的模式泄露防护，却让基于等值的搜索变得更难。当分析需要在这类敏感字段上做精确匹配时，就得换一种思路。
确定性加密：能搜，但有代价
确定性加密的设计目标是：同一段明文，在同一把密钥和加密上下文下，产生相同的密文。这个性质让等值匹配成为可能。
应用可以为搜索值生成同样的密文，再拿它去和存储的密文做比较。查询逻辑大致是这样：
- 对搜索值做确定性加密
- 用加密后的结果去匹配存储的密文
- 命中即返回对应记录
但可搜索性是有代价的。设想一份密文数据集，攻击者可能并不知道某个密文对应的是哪个社保号，但他们能看出来：同一个明文出现了三次。
换句话说，确定性加密在提供搜索能力的同时，也把明文的重复模式暴露了出来。
可搜索加密的取舍
把敏感数据加密，同时保留受控的等值搜索能力，本质上是在安全和可用之间做选择。概率加密保护更强，但等值查询难以可靠执行；确定性加密让精确匹配成为可能，却会泄露重复模式。
理解这些加密概念——概率加密与确定性加密、加密数据上的等值搜索、基础密钥与派生密钥、密钥分离、本地与远程密码学操作、令牌化——是设计数据管道时绕不开的一步。至于具体怎么选，取决于业务对搜索能力的需求，和对模式泄露风险的容忍度。
热门跟贴