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

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

本篇是個知識分享篇，更多的是想借助團隊剛剛完成的SAP數(shù)據(jù)脫敏的項目，聊聊相關的業(yè)務需求，系統(tǒng)架構和技術實現(xiàn)的關鍵點。

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。更多的引述我們實際項目的需求。

第一個項目，一個體量龐大的德國S記跨國集團，需要把一塊業(yè)務板塊整體切割出去，屬于Carve Out 項目。切出去的系統(tǒng)除了SAP，還有若干個其他系統(tǒng)，SAP是這些系統(tǒng)的骨干系統(tǒng)（Backbone system）。項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)務數(shù)據(jù)來支撐測試。因此，項目組同事以生產(chǎn)機為源系統(tǒng)（Source System），刷新（System Refresh）了一個新的系統(tǒng)，其中只包含待切出業(yè)務板塊的數(shù)據(jù)。以這個新系統(tǒng)為測試系統(tǒng)，提供給各路人馬進行集成及測試工作。但這個德國企業(yè)嚴格遵循GDPR的要求，這個測試系統(tǒng)的數(shù)據(jù)必須對敏感數(shù)據(jù)進行脫敏操作。待處理的數(shù)據(jù)主要是員工的個人信息（包含姓名，生日，住址，銀行信息，聯(lián)系方式，個人薪資，個人合同等等）。

第二個項目，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SAP系統(tǒng)，并集成更多的外圍系統(tǒng)。與S記公司類似，A記公司也準備了包含生產(chǎn)機數(shù)據(jù)的測試系統(tǒng)。A記公司希望，除了員工數(shù)據(jù)，也希望對BP數(shù)據(jù)進行脫敏工作。

SAP數(shù)據(jù)脫敏的工具
市場上有幾款能完成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工具技術路徑講解和截圖。

SAP數(shù)據(jù)脫敏的關鍵要點 – 系統(tǒng)架構
考慮到方案的嚴謹性和運作的持續(xù)性，用源系統(tǒng)-控制機-目標系統(tǒng)的三位一體的架構更好。 架構可以參照一下圖例：

中間的Cockpit 控制機可以裝在SOLMAN上，如果SOLMAN條件不具備，也可以裝在源系統(tǒng)上。上述的功能點可以通過在安裝過程中引入TR的方式來實現(xiàn)。在此過程中，也需要注意權限的管控。

SAP數(shù)據(jù)脫敏的關鍵要點 – 敏感數(shù)據(jù)的池化數(shù)據(jù)（Pool Data）
舉個例子說明這個要點。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，郵編201209。我們怎樣做一個masking，用一個新的地址去替換呢？

我們不能用同一個地址強行付給所有的員工（或者BP），例如，北京市東長安街天安門廣場。 這個不太嚴謹，而且后續(xù)的一些業(yè)務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masking 數(shù)據(jù)，例如，我們不能有一個地址是類似是天津市凱達格蘭大道這樣的。還例如，我們在脫敏員工姓名及性別數(shù)據(jù)時，不能太多的出現(xiàn)，姓名王金剛，性別女這樣的數(shù)據(jù)。

脫敏的目標是，以假亂真。數(shù)據(jù)本身要合理嚴謹完整。

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

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

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

另外多說一句，這個隨機替換，有Random的實現(xiàn)，也有Hash實現(xiàn)。這個是底層技術，不清楚這個算法的同學直接跳過。但結果是確定的，就是SAP用戶們不可能根據(jù)新的地址去猜到這個員工（或者BP）是誰，或者他的真實地址是哪一個。

審核編輯 黃宇