源海拾贝 | 字节安全团队自研敏感信息保护方案 GoDLP-安全客

为什么要自研DLP

随着信息技术的飞速发展，互联网已成为日常办公、通讯交流和协作互动的必备工具和途径。与此同时，随着数据经济的大规模增长，也频频引发数据泄露、数据滥用等严重数据安全事件。
作为拥有海量数据和信息的字节跳动来说，数据的存储安全和传输安全有着更高的要求。外加字节的业务模型之多、脱敏需求复杂，当前DLP产品在敏感信息的识别规则和高效率脱敏处理上无法达到需求。
为了更好保障字节跳动旗下的数据安全和隐私安全，字节跳动安全团队自主研发了一套敏感数据保护方案——GoDLP。作为字节跳动在数据脱敏保护方向成功的实践案例，字节安全团队希望用开源的方式向大家分享我们的研究成果，与行业一同成长。

字节的DLP是怎样的？

GoDLP的介绍

GoDLP 提供了一系列针对敏感数据的识别和处置方案，其中包括敏感数据识别算法，数据脱敏处理方式，业务自定义的配置选项和海量数据处理能力。 GoDLP 能够应用多种隐私合规标准，对原始数据进行分级打标、判断敏感级别和实施相应的脱敏处理。

GoDLP的能力如何？

GoDLP 能够广泛支持结构化（JSON数据、KV数据、golang map）和非结构化数据（多语言字符串）。

1、可实现敏感数据自动发现

GoDLP 内置多种敏感数据识别规则，可覆盖市面 80%以上识别规则，最大程度识别敏感数据

2、灵活的敏感数据脱敏处理

GoDLP 支持多种脱敏算法，用户可自行根据需求进行脱敏处理

3、业务自定义配置选项

除默认的敏感信息识别和处理规则外，业务可根据实际情况，配置自定义的 YAML 规则，GoDLP 能够根据传入的配置选项，完成相应的数据处理任务。

GoDLP 的性能表现

下方数据是在开启全部敏感数据类型情况下的结果：

针对 1K 的文件，用时需 4.1 毫秒，占用 128.6k 的内存
1M 的文件，用时为 4.1s，内存占用 118.6MB

序号	文件大小	执行时间	内存占用
1	1K	4.1ms	1128.6KB
2	10K	41.4ms	1257.4KB
3	100K	406.9ms	12.3MB
4	1M	4.1s	118.6MB

测试环境：8 核虚拟机，Linux，amd64，Intel(R)Xeon(R)Platinum8260CPU@2.40GHz；代码版本：v2.0.0

GoDLP 在字节的实践

当前 GoDLP 已在字节跳动进行了丰富的实践。已接入的业务线涵盖抖音、电商、飞书、火山引擎、云安全、财经、教育、游戏等诸多业务线。

如何使用 GoDLP

git 开源项目地址：https://github.com/bytedance/godlp

第一步，使用go get 命令安装 godlp 模块。

go get github.com/bytedance/godlp@latest

第二步，参考 README 中的 API 文档进行敏感数据操作。

如下代码会对字符串进行脱敏，更详细 API 例子可以参考源代码中的 mainrun/mainrun.go 文件。

package main

import (
        "fmt"
        dlp "github.com/bytedance/godlp"
)
func dlpDemo() {
        caller := "replace.your.caller"
        if eng, err := dlp.NewEngine(caller); err == nil {
                eng.ApplyConfigDefault()
                fmt.Printf("DLP %s Demo:\n\n", eng.GetVersion())
                inStr := `我的邮件是abcd@abcd.com,
18612341234是我的电话
你家住在哪里啊? 我家住在北京市海淀区北三环西路43号,
mac地址 06-06-06-aa-bb-cc
收件人：张真人  手机号码：13900000000`
                if outStr, _, err := eng.Deidentify(inStr); err == nil {
                        fmt.Printf("\t1. Deidentify( inStr: %s )\n", inStr)
                        fmt.Printf("\toutStr: %s\n", outStr)
                        //eng.ShowResults(results)
                        fmt.Println()
                }
                eng.Close()
        } else {
                fmt.Println("[dlp] NewEngine error: ", err.Error())
        }
}
func main() {
        dlpDemo()
}

第三步，编译运行，会获得如下效果。

% go run main.go
DLP v1.2.15 Demo:

        1. Deidentify( inStr: 我的邮件是abcd@abcd.com,
18612341234是我的电话
你家住在哪里啊? 我家住在北京市海淀区北三环西路43号,
mac地址 06-06-06-aa-bb-cc
收件人：张真人  手机号码：13900000000 )
        outStr: 我的邮件是a***@********,
186******34是我的电话
你家住在哪里啊? 我家住在北京市海淀区北三环西路**号淀区北三环西路**号,
mac地址 06-06-06-**-**-**
收件人：张******  手机号码：139******00