最近得益於區塊鏈在金融領域的火爆效應，Crypto-based currency&transaction 改變了金融圈原本“數字貨幣=數字遊戲”的印象，密碼學貨幣不再只是數字貨幣，它還被賦予了“防篡改、去中心”的特性，但是本質上這些事務都是資料治理問題，只不過從原本的“服務級別”的訪問許可權校驗轉入了“資料級別”的完整性校驗。其實密碼學不只可以在金融業務方面做出貢獻，在其他一系列資料治理難題中，我們也可以借鑑其中的一些思路。
下面讓我們來回顧一些常見的資料治理問題，以及我們如何使用密碼學來解決這些問題。
資料私密性
私密性（Confidentiality），資料作為企業的重要財產已經得到足夠的重視，同時作為業務必須的原料又不得不分發到終端。我們既要做好必要的安全防護工作，同時也希望儘可能地靈活管理訪問許可權，在需要的時候能及時地送達業務場景中消化。
這個防護工作的目的也就是保護資料的私密性。通常有兩種方式保障，授權與加密，隨著資料量級的增長，私密性變得越來越細粒度。如何劃分授權與加密這兩種有著明確區分的方案往往被大家混淆，甚至不少開發人員認為授權是加密的一種。
常見的授權（Authorization），包含了驗證（Authentication）與訪問控制（Access Control）兩個部分，驗證是指使用者或者業務模組通過一個私密的憑證來確保身份，它可以是一個密碼，可以是一類數字簽名（包括證書），也可以使用相對複雜的雙向動態授權協議。
驗證後的訪問控制則是將資料許可權更細粒度地拆分，提供一次性或者短暫性的訪問許可權，Token作為一個權證只能用來訪問其對應許可權下的資料，可以防止私密資料過量洩露。而目前一些新的方法中，權證分發本身被改善成了一個數字簽名的過程，通過完全的非對稱密碼系統，讓資料提供方原本需要儲存的Token，轉變為只需要驗證訪問請求所攜帶的數字簽名就可以獲知許可權的Certificate/Signature，例如Hyperledger區塊鏈平臺就採用這種方式，分別簽發Enrollment Certificate和Transaction Certificate為不同的業務場景提供不同的資料訪問許可權。
授權方案的發展歷經了幾個階段（如上圖），雖然和出現時間並沒有太大關係，TLS早就定義了第三種形式作為分發證書鏈的模式，我們可以看到在第二種方案中，通過採用token的授權，使得細粒度的授權分發可以和驗證分離開來。而第三種方案則更進一步，讓雙方不需要再傳輸儲存授權憑證，而且整個授權過程可以是一次性的，而不會影響到資料訪問。
隨著高階密碼學原語的引入，我們甚至可以在驗證授權的過程中為使用者的訪問提供隱私保護，例如通過Dual Receiver Encryption配合Ring Signature可以實現匿名組策略等效果。
加密（Encryption），往往是較為耗時和受限制的資料治理手段，尤其是非對稱加密演算法，只能針對少量的資料集執行，而對稱加密又存在交換祕鑰、儲存管理祕鑰時的隱患。因此作為保護資料私密性的最後手段，我們應該儘量避免濫用誤用，常見的誤用場景包括試圖通過在客戶端加密Token來防止使用者篡改資料訪問許可權、試圖用加密應用程式碼的方式保護資料、試圖僅依靠對稱加密分發資料等等。
常見的加密確保私密性，常常是基於“資料被盜”或者“資料集必須存放在使用者端”的假設，“資料被盜”決定了每個資料池都有必要對基礎設施進行預防，例如對硬碟加密、選擇安全的通訊通道和協議、避免祕鑰洩露、避免系統人為操作、避免內網服務對外開放、減少私有網路的威脅等等。而“資料集必須存放在使用者端”則需要考慮到惡意軟體、逆向工程、暴力破解可能造成的資料損失。
資料完整性
完整性（Integrity），說到區塊鏈的一大賣點就是不可篡改，通過確定交易雙方身份的Signature、交易順序的Merkel Hash tree、Block前向完整性（Forward integrity）Hash，三者（如圖）組成了一套完整的分散式賬本鏈條，其中每一條、每一頁的交易記錄之間、頁與頁之間都由密碼學原語保護。這樣的一種資料結構設計，為區塊鏈帶來了更靈活的去中心結算方案。
將區塊鏈解構之後，我們也可以靈活地將這些密碼學原語用於保障常規資料的完整性，尤其可以應對B2B場景下，企業聯盟之間的資料共享信任問題，通過完整性校驗，可以實現競爭關係下的同業資料融合；通過數字簽名，可以為如票據交易、款項去處之類的資料審計提供證據。
大資料分析提高了對資料真實性的要求，密碼學提供的完整性校驗方案，可以為外來資料治理提供額外的保障。同時由於密碼學原語位於設施的底層，因而這一系列的驗證審計操作都可以自動化執行，而不需要額外的人力來管理校對。
資料可用性
可用性（Availablity），在資料治理中是一個非常困難的話題，我們可以將資料副本分發到業務微服務中快取，也可以採用分散式的儲存方式，這些都是為了解決單點故障、減少大量資料同步的時間開銷，其中Hash Table作為最常見的檢索方式，可以同時保障資料的完整性和可用性，資料池可以使用分塊的方式將資料分散儲存，同時使用Hash來計算出摘要以供後續的檢索，通過額外的加密手段，甚至可以實現對等節點的全量和增量資料同步，而不必擔心資料的私密洩露。
DynamoDB採用了這種Hash一致性演算法，“均勻”地管理資料分片(如圖)。Bittorrent網路採用Hashtable來尋找目標檔案。Spark-mllib也使用了Hash來進行詞頻統計，達到資料分治的效果，避免了維護全域性term-to-index map的麻煩。
此外，加密後的資料由於可讀性問題，很難再做重用，而常見的保護使用者敏感資訊，並且同時保護資料分析可讀性的方法，在微軟和蘋果等公司都有所嘗試，稱為Differential privacy（如圖），資料分析師在提取資料時，Privacy Guard評估Query Privacy impact，為反饋的資料加上噪音，例如可以使用Hash替換掉真實資訊，只保留資料“特徵”，減少使用者隱私洩露的風險，同時又能保留資料的分析價值。
重返焦點
如果說資料湖是每個企業的金庫，那麼資料治理的安全措施就是用於搭起金庫壁壘的一磚一瓦，每個安全措施之間的緊密粘合都依託於完善和牢固的密碼學設計，隨著“安全無小事，商場入戰場”的警鐘不斷敲響，從基礎設施建設上對資料治理的不斷規範化和標準化呼聲越來越高，密碼學重回技術焦點的日子應該不會太遠。