為什么談SAP數(shù)據(jù)脫敏？
SAP進(jìn)入中國(guó)市場(chǎng)超過(guò)30年，作為一個(gè)典型的德國(guó)思維的產(chǎn)品，我們很難找到另一個(gè)市值這么大的軟件，在過(guò)去的幾十年中，一直活的這么滋潤(rùn)，沒(méi)有太多的挑戰(zhàn)，而且軟件本身的變化肉眼可見(jiàn)的不大。

但近年來(lái)，這個(gè)固有的套路不斷的被挑戰(zhàn)，背后的推手有很多，我個(gè)人理解較大有兩個(gè)。一個(gè)是AI的技術(shù)，使得傳統(tǒng)SAP顧問(wèn)不敢去想的一些功能，例如預(yù)測(cè)性分析，自然語(yǔ)言處理（NLP），圖像識(shí)別，RPA，Machine Learning，AI驅(qū)動(dòng)的業(yè)務(wù)流程優(yōu)化等等，變成了可能，另一個(gè)是數(shù)據(jù)治理和隱私保護(hù)的日益重視。不管是法律法規(guī)還是大家的意識(shí)，都需要實(shí)現(xiàn)更先進(jìn)的數(shù)據(jù)治理和隱私保護(hù)功能，以確保數(shù)據(jù)的質(zhì)量、安全和合規(guī)性。

本篇是個(gè)知識(shí)分享篇，更多的是想借助團(tuán)隊(duì)剛剛完成的SAP數(shù)據(jù)脫敏的項(xiàng)目，聊聊相關(guān)的業(yè)務(wù)需求，系統(tǒng)架構(gòu)和技術(shù)實(shí)現(xiàn)的關(guān)鍵點(diǎn)。

SAP數(shù)據(jù)脫敏的需求有哪些
這里不去談什么高大上的定義和論述。更多的引述我們實(shí)際項(xiàng)目的需求。

第一個(gè)項(xiàng)目，一個(gè)體量龐大的德國(guó)S記跨國(guó)集團(tuán)，需要把一塊業(yè)務(wù)板塊整體切割出去，屬于Carve Out 項(xiàng)目。切出去的系統(tǒng)除了SAP，還有若干個(gè)其他系統(tǒng)，SAP是這些系統(tǒng)的骨干系統(tǒng)（Backbone system）。項(xiàng)目的公司代碼拆分部分，和第三方系統(tǒng)與SAP集成部分，都需要有大量的業(yè)務(wù)數(shù)據(jù)來(lái)支撐測(cè)試。因此，項(xiàng)目組同事以生產(chǎn)機(jī)為源系統(tǒng)（Source System），刷新（System Refresh）了一個(gè)新的系統(tǒng)，其中只包含待切出業(yè)務(wù)板塊的數(shù)據(jù)。以這個(gè)新系統(tǒng)為測(cè)試系統(tǒng)，提供給各路人馬進(jìn)行集成及測(cè)試工作。但這個(gè)德國(guó)企業(yè)嚴(yán)格遵循GDPR的要求，這個(gè)測(cè)試系統(tǒng)的數(shù)據(jù)必須對(duì)敏感數(shù)據(jù)進(jìn)行脫敏操作。待處理的數(shù)據(jù)主要是員工的個(gè)人信息（包含姓名，生日，住址，銀行信息，聯(lián)系方式，個(gè)人薪資，個(gè)人合同等等）。

第二個(gè)項(xiàng)目，是日本的一家生產(chǎn)辦公用品的A記公司。該公司需要升級(jí)SAP系統(tǒng)，并集成更多的外圍系統(tǒng)。與S記公司類(lèi)似，A記公司也準(zhǔn)備了包含生產(chǎn)機(jī)數(shù)據(jù)的測(cè)試系統(tǒng)。A記公司希望，除了員工數(shù)據(jù)，也希望對(duì)BP數(shù)據(jù)進(jìn)行脫敏工作。

SAP數(shù)據(jù)脫敏的工具
市場(chǎng)上有幾款能完成SAP數(shù)據(jù)脫敏的工具產(chǎn)品。下面主要是介紹是SNP公司的TDO工具技術(shù)路徑講解和截圖。

SAP數(shù)據(jù)脫敏的關(guān)鍵要點(diǎn) – 系統(tǒng)架構(gòu)
考慮到方案的嚴(yán)謹(jǐn)性和運(yùn)作的持續(xù)性，用源系統(tǒng)-控制機(jī)-目標(biāo)系統(tǒng)的三位一體的架構(gòu)更好。 架構(gòu)可以參照一下圖例：

中間的Cockpit 控制機(jī)可以裝在SOLMAN上，如果SOLMAN條件不具備，也可以裝在源系統(tǒng)上。上述的功能點(diǎn)可以通過(guò)在安裝過(guò)程中引入TR的方式來(lái)實(shí)現(xiàn)。在此過(guò)程中，也需要注意權(quán)限的管控。

SAP數(shù)據(jù)脫敏的關(guān)鍵要點(diǎn) – 敏感數(shù)據(jù)的池化數(shù)據(jù)（Pool Data）
舉個(gè)例子說(shuō)明這個(gè)要點(diǎn)。某員工的家庭住址信息需要脫敏，他的住址是上海市浦東新區(qū)金海路x弄x號(hào)，郵編201209。我們?cè)鯓幼鲆粋€(gè)masking，用一個(gè)新的地址去替換呢？

我們不能用同一個(gè)地址強(qiáng)行付給所有的員工（或者BP），例如，北京市東長(zhǎng)安街天安門(mén)廣場(chǎng)。 這個(gè)不太嚴(yán)謹(jǐn)，而且后續(xù)的一些業(yè)務(wù)流程也需要要到地址信息。

我們也不能用太虛假或自相矛盾的一個(gè)masking 數(shù)據(jù)，例如，我們不能有一個(gè)地址是類(lèi)似是天津市凱達(dá)格蘭大道這樣的。還例如，我們?cè)诿撁魡T工姓名及性別數(shù)據(jù)時(shí)，不能太多的出現(xiàn)，姓名王金剛，性別女這樣的數(shù)據(jù)。

脫敏的目標(biāo)是，以假亂真。數(shù)據(jù)本身要合理嚴(yán)謹(jǐn)完整。

SNP TDO中提供了Pool table的模板及部分?jǐn)?shù)據(jù)。模板參見(jiàn)下圖列表

我們以第一個(gè)pool table，address data?。ǖ刂沸畔ⅲ槔Ｎ覀兛梢赃\(yùn)行程序上載SAP中的PA0006表，或者BUT***表中的地址信息，可以在SE16中直接維護(hù)這張表（/SNP/CM05ADRPOOL）內(nèi)容。我們維護(hù)的結(jié)果如下（僅供示例之用）。

有了這張表，我們做data masking就有準(zhǔn)星了。我們可以從這張表中，由程序隨機(jī)挑選一條數(shù)據(jù)去替換員工的正式地址數(shù)據(jù)。當(dāng)然在實(shí)際項(xiàng)目中，我們可以選擇國(guó)家是否要替換，城市是否要替換。Masking程序會(huì)帶入這些選擇條件在Pool Table中隨機(jī)找到滿足條件的記錄來(lái)完成替換。

另外多說(shuō)一句，這個(gè)隨機(jī)替換，有Random的實(shí)現(xiàn)，也有Hash實(shí)現(xiàn)。這個(gè)是底層技術(shù)，不清楚這個(gè)算法的同學(xué)直接跳過(guò)。但結(jié)果是確定的，就是SAP用戶們不可能根據(jù)新的地址去猜到這個(gè)員工（或者BP）是誰(shuí)，或者他的真實(shí)地址是哪一個(gè)。

審核編輯 黃宇