數據脫敏的實現方式有哪些？

數據脫敏是指對某些敏感信息通過脫敏規則進行數據的變形，實現敏感隱私數據的可靠保護。在數據脫敏過程中，需要根據數據的使用場景，選擇相應的數據脫敏方式：

• 遮蔽脫敏

  遮蔽脫敏方式是對數據的全部或者一部分用符號替換，例如原手機號為：18688888888，經過脫敏后改為：186****8888。應用比較廣泛的場景有：金融，醫療，政務等行業的排隊叫號系統、呼叫中心系統；互聯網的電子商務、外賣訂單系統等。

• 保格式脫敏

  保格式脫敏方式是保留數據的主要格式，例如：對于身份證只需保證為18位數字，手機號為11號數字。應用比較廣泛的場景有：各行業的系統研發、功能測試等。

• 保留數據特征脫敏

  保留數據特征脫敏方式是保證數據脫敏的情況下依然能保留數據原始特征并能通過業務校驗，不影響數據分析。例如：身份證號在進行脫敏之后，依然是正確的身份證號，系統校驗方式也能正常通過。地址脫敏后也是真實存在的地址。應用比較廣泛的場景有：數據分析場景等。

• 泛化脫敏

  泛化脫敏方式是保留原始數據的局部特征的前提下使用其他方式替代原始數據的方式。例如：只需要知道人群的年齡階段：11-20、21-30、31-40……不需要知道具體年齡的場景。應用比較廣泛的場景有：數據統計場景等。

• 數據一致性脫敏

  數據一致性脫敏方式是原始數據的關聯關系在進行數據脫敏后也能保持關聯關系。這種關聯關系不只是對數據表的主外建的關聯，對非主外建的關聯關系也能保證關聯的一致性。應用比較廣泛的場景有：系統二次開發、修改場景等。

• 可逆性脫敏

  可逆性脫敏方式是脫敏后數據可以使用對應表，對數據進行恢復操作，從脫敏數據可以獲取原始數據。此類方式會保存脫敏數據對應表，根據業務需求，這些脫敏算法可以結合使用。而且對每一種脫敏方式，也可以使用不同的脫敏規則來進行脫敏。應用比較廣泛的場景有：數據分析后需要真實結果的場景等。

回答所涉及的環境：聯想天逸510S、Windows 10。