在线自评 / 安全培训 / 金融数据安全专家实战培训

金融数据安全专家实战培训 · 全套免费开放

面向银行 / 保险 / 证券科技与数据岗、合规岗与转行者的金融数据安全实战课:从 30+ 真实监管案例切入,讲透分类分级、脱敏加密、访问控制、出境合规、大模型安全与迎检审计,14 个 Docker 实验全程使用合成数据。大纲、讲稿、课件、实验手册、实验环境全部免费,无需注册。

11 模块 · 68 学时 14 个实验 · Docker 全程 30+ 案例 · 标注公开信源 11 份课件 结业证明(非国家职业资格)
红线声明(课程合规承诺):课程与结业证明均不是国家认证 / 职业资格 / 官方认证;演示与教学数据一律合成,不使用任何真实个人数据;引入工具仅限 MIT / Apache-2.0 / BSD 类许可;案例全部来自公开报道与监管通报并标注信源、做匿名化处理。

课程大纲(v1.1 定稿基线)

录播为主 + 双周直播答疑;结业证明编号可验真,衔接 CISP-DSG 报考指导

金融数据安全专家实战培训 · 课程大纲

模块总览

模块学时性质实验关键法规/标准
M-1 数据安全事件与就业导论4免费公开(引流)-监管通报、公开报道
M0 导学与实验环境2实验0-
M1 金融数据安全监管框架6理论+实验1实验1 义务映射表网安法/数安法/个保法/网数条例/金规〔2024〕24号/JR/T 0071/GB 39786
M2 分类分级与资产盘点8理论2+实验6实验2/3/4GB/T 43697-2024、JR/T 0197
M2.5 密码学与数据安全技术底座8理论3+实验2实验13/14GB/T 39786、电子签名法、GM/T 系列
M3 全生命周期防护10理论3+实验7实验5-8JR/T 0223
M4 访问控制与审计6理论1+实验5实验9/10等保2.0、JR/T 0071
M5 个人金融信息保护与消保6理论+案例复盘-JR/T 0171、人行消保办法
M6 数据出境与对外提供6理论+实验1实验11出境三条路径、自贸区金融负面清单
M7 大模型与数据要素4理论-生成式AI管理办法、数据要素政策
M8 迎检审计与综合实战8实验+考核实验12 毕业设计风险评估方法(GB/T 20984-2022)

合计 68 学时。

学员画像 → 模块映射

学员核心痛点主用模块
银行/保险/证券科技与数据岗监管检查、分类分级落地M1-M4、M8
合规/法务/消保岗法规到技术措施的翻译M1、M5、M6
转行者无金融项目经验、面试术语全部 + 毕业设计作品集

各模块要点

M-1 数据安全事件与就业导论(免费)

M0 导学与实验环境

M1 金融监管框架

M2 分类分级与资产盘点

M2.5 密码学与数据安全技术底座

M3 全生命周期防护

M4 访问控制与审计

M5 个人金融信息保护与消保

M6 出境与对外提供

M7 大模型与数据要素

M8 迎检审计与综合实战

考核与结业

案例贯穿机制

每模块配 1-2 个案例复盘,统一结构:事件经过→涉及条款→处罚结果→本模块方案复盘。全部标注公开信源。

商业参数(首期)

模块 -1 · 数据安全事件与就业导论(免费公开)

引流 / 免费

M-1 导论 · 数据安全事件案例库 v0.9

引流公开课素材。每案例五段式:事件 → 攻击路径 → 根因 → 监管反应 → 课程映射。
根因标签:[外部漏洞] [内部人员] [配置错误] [第三方外包] [物理介质] [流程缺失]
全部信源为监管通报或权威媒体报道,授课时按此口径引用。

一、金融正中靶心(导论主讲)

1. 韩国金融机构连锁泄露(2026.09-10)[第三方外包][外部漏洞]

2. Coinbase 内鬼案(2025)[内部人员][第三方外包]

3. 印度国家银行暗网泄露(2026.10)[外部漏洞]

4. Equifax(2017)[配置错误]

5. Capital One(2019)[配置错误][内部人员]

二、国内监管风向(第二组)

6. 上海浦东电商爬虫案(2026.05)[外部漏洞]

7. 天津"海河安澜2026"专项执法(2026.09)[流程缺失]

8. 华住集团开房数据(2018)[外部漏洞][流程缺失]

9. 圆通内鬼(2020)[内部人员]

10. 蔚来数据勒索(2022)[外部漏洞][勒索]

11. 微盟删库(2020)[内部人员][流程缺失]

12. 学习通疑似泄露(2021)[外部漏洞]

三、根因归组表(导论收尾用)

根因案例课程解药
外部漏洞韩国银行链、Equifax、蔚来、学习通M3 生命周期防护、M8 风险评估
内部人员Coinbase、圆通、微盟、Capital OneM4 权限+审计+告警、M3 动态脱敏
配置错误Equifax、Capital OneM8 自评、M4 加固基线
第三方外包韩国银行链(外部软件)、Coinbase(外包客服)M6 对外提供管控、M4 供应商权限
流程缺失天津专项、华住、微盟M1 制度体系、M8 迎检整改

四、就业岗位图谱(导论第二讲素材)

岗位分布

JD 关键词频次(教学用统计口径)

分类分级 > 个人信息保护 > 等保 > 数据出境 > 隐私计算 > 密评
→ 与课程模块一一对应(制作柱状图页)

薪资口径(招聘平台公开数据整理,授课时更新)

成长路径

工程师 → 治理专家/合规负责人 → 数据安全负责人(CISO 轨道)
认证对照:CISP-DSG(国内数据安全治理主流)、CDPSE、CIPT(注明各自定位,本课程结业证明为培训经历证明,非上述认证)

五、待办

模块 0 · 导学与实验环境

实验 0

M0 导学与实验环境 v1.0

用途:正课第一讲底稿 / 招生页"开课须知" / 学员手册第一章
口径纪律:涉及监管处罚与事件的表述仅引用公开通报;技术环境说明以本课发放材料为准。

一、课程地图:68 学时怎么走(5 分钟讲清)

一句话定位:从监管条文到落地实操,把"金融数据安全"从 PPT 名词变成你简历上的项目经验。

学习路径

阶段模块解决什么问题产出物
认知M-1 导论知道这行为什么值钱-
起点M0 本模块环境跑通,数据在手实验环境验收截图
底座M1 监管框架 → M2 分类分级 → M2.5 密码底座看懂规则、盘清资产、掌握技术语言义务映射表、分级清单
实战M3 全生命周期 → M4 访问控制审计会做防护、会查日志脱敏前后对比、审计规则集
进阶M5 个人信息保护 → M6 出境 → M7 大模型与数据要素覆盖合规岗与前沿场景自测报告、出境评估演练
毕业M8 迎检与综合实战拿得出手的完整作品毕业设计 + 作品集

给三类学员的提示


二、实验环境:一条命令拉起

架构(对应《工具选型与版权策略》)

docker compose up -d  之后你将得到:
┌─────────────────────────────────────────────┐
│  Streamlit 控制台 :8501   ← 全课程操作入口    │
│  ├─ MySQL×2(业务库 + 影子库):3306          │
│  ├─ PostgreSQL(RLS 演示):5432              │
│  ├─ OpenSearch + Dashboards(审计):9200/5601│
│  └─ 自研简易 KMS(FastAPI):8100             │
└─────────────────────────────────────────────┘

硬件与系统要求

验收清单(本模块唯一"实验")

  1. docker compose up -d 一次成功
  2. 控制台能打开并看到五张合成数据表
  3. OpenSearch Dashboards 能登录
  4. 提交验收截图进学习群

三、合成数据集:全虚构,但业务逻辑真实

自研生成器(Faker,MIT)产出五张表,覆盖金融典型数据场景:

表字段要点后续实验用途
客户基本信息姓名/证件号(Luhn合法虚构)/手机/地址/职业实验2 识别打标
账户表卡号/账户类型/开户网点/客户ID实验3 资产盘点
交易流水 12 个月金额/对手方/渠道/时间戳实验5/6 脱敏
征信查询日志查询人/被查人/业务原因/授权编号实验9/10 审计监测
理财风险测评风险等级/测评答案实验7 加密

纪律:证件号与卡号合法但虚构、姓名用低频组合——学员做完课程甚至无法用这批数据"撞"出任何真实个人。这个设计本身就是 M2 的教学素材(为什么合成数据也要按真实数据管)。


四、学习方法约定

  1. 先看演示,再跑命令行:控制台帮你理解"做了什么",底层命令保证你离职后裸环境也能干活
  2. 每个实验产出物(清单/规则/报告)都按求职作品集标准写——不是作业,是资产
  3. 双周直播答疑,提问请带"环境版本号 + 报错原文"
  4. 全部材料受版权保护,仅限本人学习;发现倒卖即取消结业资格

五、下一讲预告

M1 金融监管框架:三法一条例在银行场景的具体落点 + 金规〔2024〕24号把责任压到行长一级意味着什么 + 你要亲手做出来的第一份作品《法规义务映射表》。

模块 1 · 金融数据安全监管框架

实验 1

M1 金融数据安全监管框架 v1.0

用途:正课第二讲底稿 / "法规-技术翻译"能力示范 / 招生页免费试看节选
口径纪律:法规条款以公开发布文本为准;处罚案例仅引用监管已公开的通报/罚单,不做未公开信息猜测。本讲为【事实】为主、【分析】标注解读性内容。

一、本讲要解决的一个问题

一句话导语:法规文件你读得懂字,读不懂落点——"数据安全负责人要对企业数据安全负责"这句话,翻译成你明天上班要做的事是什么?本讲就干这个翻译活,并产出你的第一份作品。

讲授逻辑(6 学时拆分)

学时内容
1三法一条例:金融场景落点速览
2-3金规〔2024〕24号逐章拆解(重点)
4金融行业标准三部曲 JR/T 0171 / 0197 / 0223
5等保金融增补(JR/T 0071)与密评(GB/T 39786)的关系
6实验1:法规义务映射表(作品集第一件)

二、三法一条例在金融场景的落点

法规通用要求金融场景落点(【分析】)
网络安全法等级保护、日志留存银行核心系统等保定三级起步;日志留存≥6个月直接对接 M4 审计实验
数据安全法分类分级、重要数据目录GB/T 43697 + JR/T 0197 的上位法依据;"重要数据"识别是 M2 的法定动作
个人信息保护法告知同意、最小必要征信查询授权、营销外呼红线(M5 的法源)
网络数据安全管理条例年度风险评估、出境管理银行保险机构按 24号文出年报;出境对接 M6 三条路径

记忆钩子(【分析】):网安法管"系统",数安法管"数据",个保法管"人",条例把前三者拧成"年度动作清单"。


三、金规〔2024〕24号《银行保险机构数据安全管理办法》:本讲核心

责任体系——为什么说"压到行长一级"

条款要求落到岗位
党委(党组)/董事会承担主体责任一把手是第一责任人
明确数据安全归口管理部门设数据安全管理部门/岗位(多数机构挂在科技或风险条线)——这也是岗位图谱里岗位存在的原因
数据安全负责人具备相应专业知识与管理能力岗位任职要求=你的简历关键词来源

四大动作(对应课程模块)

  1. 分类分级 → M2:数据分核心/重要/一般,企业级目录
  2. 分级保护 → M3/M4:不同级别不同技术措施,重要数据加密存储
  3. 风险监测 → M4:数据安全风险监测、审计
  4. 事件报告 → M8:重要数据事件按监管时限报告(先报事实后报原因)

【分析】 24号文最值钱的一句潜台词:以前数据安全是"IT 部门的事",现在是"行长签字的事"。签字的事就要有人干活——这个人就是你。


四、金融行业标准三部曲(JR/T)

标准管什么一句话记忆课程对接
JR/T 0171 个人金融信息保护技术规范C1/C2/C3 三级个人金融信息"按敏感度分三级,级越高措施越硬"M5 逐条落地
JR/T 0197 金融数据安全 数据安全分级指南5 级数据分级(1-5级)"5级=国家级影响,1级=公开"M2 判定练习
JR/T 0223 金融数据安全 数据生命周期安全规范采集到销毁八环节"每环节都有安全要求清单"M3 八环节管控

三者关系(【分析】):0197 定级别,0223 按级别管过程,0171 单独把"个人金融信息"这个最敏感的子集抠出来细化——考试爱考、检查爱查。


五、两个"加分项"标准


六、实验1:法规义务映射表(作品集第一件)

任务

给定虚构场景"某城商行信贷系统",输出映射表:

业务系统 → 法规义务 → 标准条款 → 技术措施 → 责任岗位 → 现状自评

步骤

  1. 发放模板(Excel):预填 10 行示例
  2. 学员从场景文档中识别 15+ 个数据安全义务点
  3. 每个义务点翻译成具体技术措施(可对照课程后续模块,未学的写"待学习"即可)
  4. 互评 + 讲师点评 3 份典型作业

评分要点

完成后的价值(对学员说透)

这张表在真实工作中的名字叫《数据安全合规义务清单》,迎检必查件。做完它,你在面试里可以说:"我做过法规到技术措施的完整映射"——合规岗和科技岗都认这句话。


七、本讲案例复盘(贯穿机制)

结构统一:事件→涉及条款→处罚结果→本模块方案复盘

选取 1-2 个监管已公开的银行数据安全罚单(讲师课前从人行/金监总局官网公开罚单中选取并注明文号),按五段式复盘;重点讲"如果 24号文当时已落地,哪个环节能拦住"。

素材纪律:仅引用罚单公开信息,涉及机构名称按监管公开口径使用,不做二次推断。

模块 2 · 分类分级与资产盘点

实验 2/3/4

M2 分类分级与资产盘点 v1.0

用途:正课第三讲底稿 / 数据安全岗核心技能示范 / 招生页试看节选
口径纪律:方法论依据 GB/T 43697-2024 与 JR/T 0197 公开文本;实验数据全部为课程合成数据。

一、本讲要解决的一个问题

一句话导语:监管问你"你们行有哪些数据、都什么级别、放在哪"——90% 的机构答不利索。分类分级+资产盘点就是把这道送分题变成送命题的分水岭,也是数据安全岗日常工作中工作量最大、最能体现价值的活。

学时拆分(8 = 理论 2 + 实验 6)

学时内容
1为什么要分类分级:从 24号文与数安法的法定动作说起
2两套方法论:GB/T 43697(国标四步法)与 JR/T 0197(金融五级)
3-4实验2:敏感数据识别与打标(Presidio + 自研规则引擎)
5-6实验3:数据库/文件服务扫描生成资产清单
7-8实验4:交付《数据分类分级清单》(作品集第二件)

二、方法论速讲(理论 2 学时核心)

GB/T 43697-2024 四步法

① 数据盘点 → ② 分类(业务属性)→ ③ 分级(影响对象×影响程度)→ ④ 形成清单并动态更新

分级核心判断:【分析】问两个问题——"泄露后谁受影响?影响多严重?"影响对象从个人→组织→社会国家安全,程度从轻微→一般→严重,二维定级。

JR/T 0197 金融五级速记

级别一句话记忆典型例子
5 级影响国家安全大范围宏观经济/金融稳定数据
4 级影响社会秩序/公众全行客户汇总信息、重要数据
3 级影响单个机构/个人隐私客户身份证+账户组合、交易明细
2 级轻微影响个人/机构脱敏后的统计报表
1 级公开已公示的产品利率

判定实操要点(【分析】):考试和检查最爱考"组合升级"——单字段是 2 级,身份证号+手机号+卡号组合就是 3 级。识别引擎必须按"字段组合"建模,这是实验2 的技术难点。

C1/C2/C3(JR/T 0171)与五级的关系

C3=账户鉴别信息类(密码/密钥/生物特征),C2=个人金融标识+财产信息,C1=基本产品服务信息。与 0197 五级并行使用:五级管全量数据,C1-C3 专管个人金融信息的技术措施强度。


三、实验2:敏感数据识别与打标

任务

对合成数据集五张表逐字段识别、分级、打标,输出 YAML 规则文件(自研规则引擎的输入)。

步骤

  1. 正则规则打底:证件号(Luhn)、手机号、卡号、邮箱——学员手写规则,理解"识别不是魔法"
  2. Presidio 实体识别:pip 装即用,跑姓名/地址/组织名 NER 识别,对比正则召回差异
  3. 组合升级规则:自研 YAML 规则引擎写"字段组合→级别提升"逻辑(身份证+手机在同表=整表按 3 级管控)
  4. 打标结果写入数据目录服务:字段→分类→级别→依据条款 四元组

评分要点


四、实验3:资产扫描与台账生成

任务

对实验环境(MySQL×2 / PostgreSQL)做元数据扫描,生成《数据资产台账》雏形。

步骤

  1. 连接 information_schema / pg_catalog 拉取库名、表名、字段、注释、行数
  2. 关联实验2 打标结果,得"表→字段→级别"资产视图
  3. 补充"谁在访问":从审计日志拉高频访问账号,标注资产-人员关系
  4. 生成 Excel 台账:资产编号/位置/级别/责任人/最近访问时间

教学点(【分析】):台账不是一次性交付物。级别会因业务变化而变,0197 明确要求动态更新——所以脚本要做成可重跑的,这也是"自动化盘点"卖点。


五、实验4:交付《数据分类分级清单》(作品集第二件)

任务

综合实验2/3 产出,形成正式清单文档,附《重要数据识别说明》。

交付物结构

  1. 清单正文:五张合成表全部字段的分类分级结果
  2. 重要数据识别说明:为什么本场景(虚构城商行)无 5 级数据、4 级数据是哪几张表
  3. 动态更新机制说明:触发重评的三种情形(新系统上线/业务变更/法规更新)

面试价值

这是真实岗位 JD 里"负责数据分类分级体系建设"的直接证据。面试可讲三层:方法论(国标+行标)、工具(Presidio+自研引擎)、交付(清单+动态机制)——完整闭环。


六、本讲案例复盘(贯穿机制)

选一个监管公开的"未开展数据分类分级"相关罚单/通报(课前定稿并注明文号),复盘:事件→涉及条款→处罚→"如果做了实验2-4 的动作,处罚依据是否还成立"。


七、与后续模块的接口

模块 2.5 · 密码学与数据安全技术底座

实验 13/14

M2.5 密码学与数据安全技术底座 v1.0

用途:正课第四讲底稿 / 国密与水印技术教学主线 / 自研水印工具商业化卖点说明
口径纪律:算法能力描述以 GM/T 系列与公开标准为准;不承诺任何加密"绝对不可破解"。

一、本讲要解决的一个问题

一句话导语:密评不通过=系统整改=预算重花;水印泄露溯源=追责有据。这两件事金融机构年年遇到,但多数 IT 人员只会调库函数、不懂何时该用哪个——本模块把你变成"能在评审会上说清选型理由"的人。

学时拆分(8 = 理论 3 + 实验 2×2)

学时内容
1密码学最小必要知识:对称/非对称/哈希/签名四件套
2国密体系与金融国密改造背景;密评 GB/T 39786 常见失分项
3数字签名与 PKI/CA +《电子签名法》效力;水印技术全景
4-5实验13:SM2 签名验签全流程(自建 CA)
6-8实验14:数据库水印植入与溯源(自研,核心差异化)

二、四件套:5 分钟建立心智模型(理论1)

技术解决什么金融场景例子
对称加密(SM4/AES)存储保密客户手机号字段加密落库
非对称加密(SM2/RSA)传输保密/密钥交换报文加密通道
哈希(SM3/SHA-256)完整性/口令存储合同文件校验值
数字签名(SM2 签名)防抵赖+完整性电子合同、征信授权书

选型判断句(【分析】):保存储用对称、保传输用非对称、验完整性用哈希、要抵赖时用签名。四者常组合出现,不是二选一。


三、国密体系与金融改造背景(理论2)

算法对照

用途国际国密状态
对称AESSM4金融系统强制推进中
非对称/签名RSA/ECDSASM2同上
哈希SHA-256SM3同上
标识密码IBESM9手机号即公钥,免证书场景

为什么金融必须做国密改造(【分析】讲清动力链)

监管要求(密评 GB/T 39786)+ 关键信息基础设施定级 + 国际算法后门担忧 → 三股力叠加。对个人职业:国密改造是银行存量项目,会 SM 系列的人比会 AES 的人稀缺,这是转行者低成本建立差异化的点。

密评常见失分项(授课重点,源自公开密评通报归纳【分析】)

  1. 只加密不管密钥:密钥和密文同库同表
  2. 用 MD5/SHA1 存口令
  3. 自研"加密算法"(密码不允许自研)
  4. 密码产品无商用密码产品认证证书
  5. 密钥无轮换机制

四、数字签名、PKI 与电子签名效力 + 水印全景(理论3)

签名链路

原文 → SM3 摘要 → CA 私钥(SM2)签名 → 附证书发送 → 对方用 CA 公钥验签

《电子签名法》可靠电子签名与手写签名同等效力——四个条件(专有/专控/可发现篡改/可追溯)。金融落地:电子合同、征信授权、柜面无纸化。

水印技术四象限(本课自研工具的主战场)

类型机理场景
文档静态水印可见页脚/角标外发文件吓阻
文档隐写暗水印字间距/频域嵌入不可见泄露文件溯源到人
数据库查询水印查询结果按账号植入可逆标记内部批量导出追责
动态屏幕/打印水印截屏渲染时叠加工号时间震慑+事后取证

【分析】 水印不防泄露,防的是"泄露了查不到是谁"。它把内部人员从"敢偷偷导"变"导了必留痕"——威慑逻辑,对接 M4 实验10 内部人员导出监测,形成闭环。


五、实验13:SM2 签名验签全流程(GmSSL / gmssl-python,Apache-2.0)

步骤

  1. 自建简易 CA:生成 CA 根证书(SM2 密钥对+自签名)
  2. 为"信贷系统"签发用户证书
  3. 对一份合成《征信授权书》做 SM3 摘要 + SM2 签名
  4. 验签通过 → 篡改一个字段 → 验签失败(亲手看到完整性保护生效)
  5. 控制台查看证书链与签名结构

评分要点


六、实验14:数据库水印植入与溯源(自研,课程核心卖点)

任务

对合成交易流水查询结果植入账号级隐写水印,并从"泄露样本"反推泄露账号。

步骤

  1. 植入:按查询账号 ID 对结果集做低扰动标记(数值低位/行序排列,保持业务可用)
  2. 交付"泄露样本"(模拟内部人员导出)
  3. 溯源:对泄露样本提取水印 → 反查员工工号
  4. 讨论:什么字段级扰动会破坏业务(金额精度)、什么查询习惯会被攻击者清洗掉水印

商业化说明(内部备注)


七、本讲案例复盘(贯穿机制)

选取公开报道的"金融数据泄露后无法定责"类案例(课前定稿注明信源),复盘:事件→涉及条款(24号文事件报告+个人信息保护法)→处罚→"若当时有查询水印,定责链条能否闭合"。


八、与后续模块的接口

模块 3 · 全生命周期防护

实验 5-8

M3 数据全生命周期防护 v1.0

用途:正课第五讲底稿 / 脱敏与加密实操主线 / 招生页试看节选
口径纪律:环节划分依据 JR/T 0223 公开文本;实验全部使用课程合成数据。

一、本讲要解决的一个问题

一句话导语:数据从产生到销毁有八个环节,每一环都是一道题——采集时怎么合规、使用时怎么脱敏、共享时怎么留痕、销毁时怎么"真删除"。本模块是全课程实验最密集的部分,做完你就有了一整套"拿来就能讲给领导听"的防护方案。

学时拆分(10 = 理论 3 + 实验 7)

学时内容
1八环节总览:每个环节的管控目标与常见翻车点
2脱敏技术谱系:静态 vs 动态、可逆 vs 不可逆
3加密与密钥管理:字段级加密 + KMS 设计要点
4-5实验5:静态脱敏
6实验6:动态脱敏(ShardingSphere 代理层)
7-8实验7:字段级加密 + 自研 KMS
9-10实验8:共享安全通道与审批留痕

二、八环节管控速览(JR/T 0223)

环节管控目标常见翻车点(【分析】)对应手段
采集最小必要+告知同意业务"顺手多收"字段M5 授权管理
传输加密通道内网裸奔 HTTPTLS/国密改造
存储分级存储+加密3级数据明文落库实验7
使用按需最小可见开发直接查生产库实验6
加工脱敏后使用测试库=生产库拷贝实验5
汇聚聚合防组合升级多表关联还原个人信息M2 组合规则
共享提供审批+留痕+协议微信发客户名单实验8
公开披露授权+审核报表带出身份证号实验5
销毁不可恢复"删除"只是逻辑删自研销毁算子

记忆钩子:数据像现金——收钱要数清(采集)、运钱要押车(传输)、存钱要保险柜(存储)、花钱要审批(使用/共享)、废钱要碎掉(销毁)。


三、脱敏谱系:一张表选对方法

方法可逆保格式适用实验
遮盖(138****5678)否是展示层实验6
泛化(年龄段/行政区划)否否分析报表实验5
置换(假名映射表)可逆是测试环境实验5
保留格式加密 FF1/FF3-1可逆是必须还原的测试集实验5
哈希+盐否否关联分析/日志实验5

选型判断句(【分析】):给人看用遮盖,给机器跑用泛化,测试环境用置换/FFX,以后还要还原就用保留格式加密——先问"谁来用、要不要还原",再选方法。

静态 vs 动态的分工


四、实验5:静态脱敏(Presidio Anonymizer + 自研 pandas 算子)

步骤

  1. 对客户表/交易流水分列选用算子:手机号遮盖、姓名置换、地址泛化、证件号 FFX 保留格式加密
  2. 生成置换映射表(受控保存,演示"可逆"与"密钥即权限")
  3. 脱敏前后数据可用性验证:跑同一统计脚本对比分布偏差
  4. 产出《脱敏策略配置表》:字段→算子→参数→依据级别

评分要点


五、实验6:动态脱敏(ShardingSphere mask 代理层)

步骤

  1. Docker 起ShardingSphere 代理,业务连代理而非直连库
  2. 配置脱敏规则:手机号/证件号/卡号按列遮盖
  3. 三个角色(柜员/风控/外包)连同一代理查询同一张表,对比返回结果差异
  4. 演示"外包账号连姓名都不可见"——呼应 M-1 韩国案"外包人员信息泄露"失分点

教学点

部署形态(数据库代理层)与银行实际架构一致——简历可写"基于 ShardingSphere 构建动态脱敏代理层",这是生产级方案不是玩具。


六、实验7:字段级加密 + 自研简易 KMS(FastAPI)

步骤

  1. 自研 KMS:密钥生成/发放/轮换/吊销四接口(自研代码,课程版权资产)
  2. cryptography 库(BSD)实现 SM4 等效 AES-GCM 字段加密:客户手机号/证件号密文落库
  3. 应用经 KMS 取密钥解密;演示密钥轮换后新旧密文共存
  4. 对照 M2.5 密评失分项自查:密钥与密文分库、有轮换、不硬编码

评分要点


七、实验8:共享安全通道与审批留痕

步骤

  1. 搭建自研文件共享服务:上传→生成签名 URL(限时)→接收方下载
  2. 全流程写审批与留痕表:谁申请、批了什么范围、谁在几点几分下载了什么
  3. 对比反面案例:微信传客户名单 = 无审批、无留痕、无时限
  4. 产出《数据对外提供操作规程》一页纸

教学点(【分析】)

对外提供三件套——审批授权、加密通道、日志留痕,对应 24号文"共享提供"与 M6 出境的前置能力。签名 URL 技术与 M2.5 实验13 一脉相承。


八、本讲案例复盘(贯穿机制)

选公开通报的"测试库含真实客户数据导致泄露"类罚单(课前定稿注明文号),五段式复盘:事件→涉及条款→处罚→"实验5+6 两道闸门如何拦住"。


九、与后续模块的接口

模块 4 · 访问控制与审计

实验 9/10

M4 访问控制与审计 v1.0

用途:正课第六讲底稿 / 内部人员风险防线 / 招生页试看节选
口径纪律:等保 2.0 与 JR/T 0071 相关表述以公开文本为准;实验数据合成。

一、本讲要解决的一个问题

一句话导语:外部攻击有防火墙挡着,真正的数据泄露大头在内部——离职带走客户名单、外包批量导出、柜员越权查询明星客户流水。本模块教你在数据库层和日志层建两道"内部人防线",这也是韩国风暴案暴露的第一失分点。

学时拆分(6 = 理论 1 + 实验 5)

学时内容
1最小权限原则 + 访问控制模型速讲 + 审计日志的法定要求
2-3实验9:PostgreSQL 行/列级权限(RLS)+ 审计日志接 OpenSearch 写高危规则
4-6实验10:内部人员批量导出监测(与 M2.5 水印溯源联动)

二、理论 1 学时核心

最小权限的三层落地

  1. 账号层:应用账号与人的账号分离;禁止共享账号
  2. 数据层:行级(谁能看哪些客户)+ 列级(谁能看哪些字段)
  3. 行为层:能查 ≠ 能导出 ≠ 能改——动作粒度授权

审计的法定底线

网安法要求日志留存≥6 个月;24号文要求数据安全风险监测与审计。【分析】审计不是"出了事再看",是每天要看的"体检报告"——所以要规则化、自动化,这正是实验9 的设计初衷。


三、实验9:行/列级权限 + 高危行为规则

步骤(RLS 部分)

  1. PostgreSQL 开启行级安全:柜员角色只能看本网点客户行
  2. 列级:外包角色经视图屏蔽姓名/证件列
  3. 用三个角色同一 SQL 查询,对比返回行数与列数——亲手看到"权限即过滤"

步骤(审计部分)

  1. 开启 PostgreSQL 审计日志,接入 OpenSearch
  2. OpenSearch Dashboards 建三个高危行为规则:
  1. 触发规则→看告警→写《高危行为规则集》文档(可复用到任何单位)

四、实验10:内部人员批量导出监测(综合)

步骤

  1. 模拟"离职员工"用合法账号分批导出客户表(小批量、低频,绕过实验9 的简单阈值)
  2. 用时间窗口聚合 + 导出量基线(对比同岗位历史均值)检测异常
  3. 对导出结果执行 M2.5 实验14 水印提取,反查确认泄露账号
  4. 产出《内部人员数据导出监测方案》:阈值策略+基线方法+联动溯源流程

教学点(【分析】)

"分批小量导出"是最常见的对抗检测手法——单条规则防不住,要用基线对比。这套"阈值+基线+水印溯源"三层组合,是本课自研体系里最接近商用产品的设计,也是面试的差异化谈资。


五、本讲案例复盘(贯穿机制)

选公开通报的银行内部人员违规查询/出售客户信息案件(课前定稿注明判决书或处罚文号),五段式复盘:事件→涉及条款(个保法+刑法 253 条之一背景知识,仅作科普)→处罚→"实验9+10+14 组合如何提前拦截与事后定责"。

模块 5 · 个人金融信息保护与消保

案例复盘

M5 个人金融信息保护与消费者权益保护 v1.0

用途:正课第七讲底稿 / 合规岗主战场 / 招生页试看节选
口径纪律:罚单与通报案例全部引用人行/金融监管总局公开信息并注明文号;App 检测结论引用官方通报原文。

一、本讲要解决的一个问题

一句话导语:个人金融信息是金融机构被罚最多的品类——超范围收集、未经同意查询征信、App 违规采集。本模块把 JR/T 0171 逐条翻译成技术要求和业务红线,学完你能独立做完一次 App/小程序合规自测。

学时拆分(6 = 理论 4 + 案例复盘 2)

学时内容
1C1/C2/C3 三级技术要求差异
2告知同意与最小必要:授权链路设计
3App/小程序/SDK 合规自测方法
4营销外呼与信息查询红线
5-6案例复盘:人行罚单 + App 通报逐条对照

二、C1/C2/C3 技术要求差异(理论1)

级别定义典型字段技术要求强度
C3账户鉴别信息登录密码、交易密码、密钥、生物特征加密存储、不留日志、不展示明文
C2个人金融标识+财产信息卡号、证件号、手机号、余额、交易记录加密/脱敏传输存储、按需展示
C1产品服务信息开户网点、产品名称常规防护

高频考题式要点(【分析】):C3 禁止明文出现在任何日志/界面/缓存;C2 是"默认加密"级别;级别判错=措施用错=检查扣分。与 M2 五级体系的映射关系要能画出来。


三、告知同意与最小必要(理论2)

授权链路四问(每个业务场景自查)

  1. 收集前有没有单独、明确的告知?(不是塞在 30 页协议第 17 条)
  2. 每个字段是否都有对应业务目的?(最小必要)
  3. 目的变更是否重新征求同意?
  4. 撤回同意的入口是否和同意入口一样好找?

【分析】这四问在监管检查里就是标准问话顺序。技术落点:授权记录表(谁、何时、同意什么版本、撤回状态)——可与 M3 实验8 审批留痕复用同一套留痕机制。

征信查询特例

查征信必须"授权+业务必要"双满足,授权编号可回溯(对应合成数据集的征信查询日志表——实验9/10 用它练审计正合适)。


四、App/小程序/SDK 合规自测(理论3)

自测清单(十项速查)

  1. 首次运行是否先弹隐私政策、后申请权限
  2. 权限申请是否与业务功能对应(要位置先给理由)
  3. 是否存在"不同意就不让用"的强制索权
  4. SDK 清单:接了哪些第三方 SDK、各自收什么数据、有无对外提供协议
  5. 是否存在未声明的隐藏采集(抓包验证)
  6. 隐私政策中的字段清单与实际抓包数据是否一致
  7. 账号注销入口是否可用、注销后数据是否真删(衔接 M3 销毁)
  8. 撤回同意后是否停止对应处理
  9. 个性化推荐关闭开关是否存在
  10. 未成年人/老年人适配条款

【分析】前三条和第 6 条是通报通报榜的常客。自测方法=文档对照+抓包实测,不是"读一遍隐私政策"。


五、营销外呼红线(理论4)


六、案例复盘(2 学时,本模块主菜)

结构(统一五段式)

段落内容
事件课前从人行公开罚单中选 1 单"未经同意查询征信/超范围收集",注明文号
涉及条款个保法相应条款 + JR/T 0171 对应条目
处罚结果罚单公开的机构与金额、责任人
本模块方案复盘授权链路四问哪一问失守;C 级措施哪条缺位
映射对应课程实验:授权留痕(M3 实验8 延伸)、审计监测(M4 实验9)

App 通报复盘

选一份官方 App 通报(注明通报批次),逐条对照十项自测清单,让学员标出"如果是我们公司的 App,第几条会中招"——课堂讨论 30 分钟。


七、与后续模块的接口

模块 6 · 数据出境与对外提供

实验 11

M6 数据出境与对外提供 v1.0

用途:正课第八讲底稿 / 出境合规实操 / 招生页试看节选
口径纪律:出境政策以国家网信办公开发布口径为准;自贸区负面清单引用公开发布版本并注明发布日期。

一、本讲要解决的一个问题

一句话导语:金融机构数据出境是最容易被"一刀切恐慌"和"完全无感"两个极端误解的领域——外资行报表传境外总部、卡组织清算数据、跨境支付报文,哪些要申报、哪些走负面清单豁免?本模块给你一套可操作的判断流程,并用一次完整演练检验。

学时拆分(6 = 理论 4 + 实验 2)

学时内容
1三条出境路径总览
2金融数据的特殊约束:本地化要求与行业监管叠加
3自贸区负面清单机制精讲
4对外提供 ≠ 出境:境内共享的合规要点
5-6实验11:出境合规评估演练与报告

二、三条出境路径(理论1)

路径适用关键动作
安全评估关键信息基础设施运营者;重要数据;大规模个人信息(达门槛量级)向省级网信部门申报,通过后方可出境
标准合同未达评估门槛的一般个人信息出境备案标准合同+个人信息保护影响评估(PIPIA)
认证集团内跨境传输等场景经专业机构个人信息保护认证

【分析】判断顺序:先问"是不是重要数据/关基"→是则评估;再看量级门槛→对照最新公开口径;都不沾→标准合同或认证。三条路径的前提都是:出境有合法性基础+PIPIA 完成。


三、金融数据叠加约束(理论2)


四、自贸区负面清单(理论3)

【分析·教学讲法】负面清单逻辑反转了监管方式:清单外的一般数据出境可豁免繁重手续,清单内的从严。授课要点:

  1. 引用所在自贸区公开发布的金融领域数据出境负面清单版本(注明发布日期与文号)
  2. 讲清单的三类表述:禁止出境、需评估、可豁免
  3. 强调动态性:清单会更新,实操必须查当期版本——课程材料标注"截至 YYYY-MM 版本"

五、对外提供 ≠ 出境(理论4)

境内共享同样要合规(24号文"共享提供"环节):


六、实验11:出境合规评估演练与报告

任务场景(虚构)

某外资银行境内法人机构,需向境外总部传输:① 月度合并报表(汇总数据)② 反洗钱调查涉及的境外客户 KYC 资料 ③ 系统运维远程访问权限(境外工程师)。

步骤

  1. 数据识别:三类数据分别定级(引用 M2 结论方法)
  2. 路径判定:逐项套三条路径判断流程,写明依据条款
  3. 负面清单核对:查当期自贸区清单(课程提供标注版本的摘录)
  4. 风险评估:套用 PIPIA 模板(发放)
  5. 产出《数据出境合规评估报告》(作品集第三件)

评分要点


七、本讲案例复盘(贯穿机制)

选公开通报的数据出境未申报/违规提供类处罚(课前定稿注明处罚决定文号),五段式复盘:事件→涉及条款→处罚→"实验11 的判定流程能否在事前拦住"。

模块 7 · 大模型与数据要素

理论

M7 大模型与数据要素 v1.0

用途:正课第九讲底稿 / 前沿场景认知课 / 招生页差异化卖点(呼应 M-1 "AI 时代的防御措施")
口径纪律:生成式 AI 监管要求以《生成式人工智能服务管理暂行办法》等公开文件为准;数据要素政策引用公开发布文件;不预测未出台政策。

一、本讲要解决的一个问题

一句话导语:韩国风暴案里总统点名"AI 时代的网络安全防御措施"——攻击者用 AI,防御也要用 AI,但金融机构自己上 AI 又有一堆数据红线。本模块讲清三件事:金融大模型怎么合规用数、隐私计算怎么"数据可用不可见"、数据要素怎么把银行数据变成资产。

学时拆分(4 = 理论 4,无实验;扩展讨论进直播课)

学时内容
1生成式 AI 合规边界:训练语料与推理用数
2隐私计算技术族谱与金融落地
3数据要素政策与银行数据产品化
4综合研讨:给虚构银行设计"大模型应用数据安全方案"

二、生成式 AI 合规边界(理论1)

训练侧红线

推理侧红线

课程态度(明示学员)

本课不教"怎么调大模型",教"大模型进金融的数据安全边界"——防御视角,与 M-1 案例的 AI 攻击面形成攻防对照。


三、隐私计算技术族谱(理论2)

技术一句话原理金融典型场景成熟度【分析】
多方安全计算 MPC密码学协作计算,各方不见对方原始数据联合风控评分可用但慢
联邦学习 FL模型动、数据不动跨机构联合建模反欺诈生产案例最多
可信执行环境 TEE硬件隔离区里算联合营销人群圈选依赖硬件信任
匿踪查询 PIR查了什么对方不知道征信/黑名单查询不留查询痕迹轻量易落地

选型判断句:要算结果用 MPC/FL,要查一条记录用匿踪查询,对方有专用硬件用 TEE——按交互模式选,不按厂商 PPT 选。

【分析】对职业的启示:隐私计算项目是"数据安全+算法"复合岗,转行者可从项目管理与合规评估切入,不必卷算法。


四、数据要素与银行数据产品化(理论3)


五、综合研讨(理论4,直播课形式)

给虚构城商行设计《大模型应用数据安全方案》,课堂分组输出三页方案:

  1. 场景清单:行内拟上哪些大模型应用(客服/代码助手/营销文案/风控辅助)
  2. 数据边界:每场景允许输入什么、禁止输入什么(引用 C1/C2/C3 与 M2 级别结论)
  3. 技术措施:私有化部署 vs API 接入的取舍、脱敏网关、水印与日志审计(全课程技术栈复用)

产出计入学员作品集加分项。


六、本讲案例复盘(贯穿机制)

选公开报道的"员工向公网 AI 泄露内部数据"类事件(注明信源),五段式复盘:事件→涉及条款(数据安全法+个保法+单位内部制度)→后果→"本模块数据边界方案如何防范"。

模块 8 · 迎检审计与综合实战

实验 12 毕业设计

M8 迎检审计与综合实战 v1.0

用途:正课收官讲底稿 / 毕业设计任务书 / 作品集冲刺指导
口径纪律:风险评估方法依据 GB/T 20984-2022 公开文本;迎检要点基于公开检查通报归纳【分析】。

一、本讲要解决的一个问题

一句话导语:前面所有模块的能力,最终都要在两张桌子上兑现——监管检查的桌上和面试官的桌上。本模块教你怎么做一次完整的数据安全风险评估自评,并把 14 个实验的产出物组装成"虚构城商行完整评估"毕业设计,这是你结业带走的核心资产。

学时拆分(8 = 理论 2 + 实验 6)

学时内容
1GB/T 20984-2022 风险评估方法速讲
2迎检实务:检查都查什么、要什么材料、常见扣分项
3-6实验12 毕业设计:虚构城商行完整评估
7毕业设计互评与讲师点评
8期末测试(60 题)+ 结业流程说明

二、风险评估方法速讲(理论1)

GB/T 20984-2022 流程

资产识别 → 威胁识别 → 脆弱性识别 → 已有措施确认 → 风险计算 → 处置建议 → 报告

【分析】课程全程已经把前三步拆在实验里做过了:资产识别=实验3 台账、脆弱性=实验9 审计规则发现的问题、已有措施=实验5-8 的防护配置。毕业设计不是新知识,是把碎片拼成完整报告。

风险计算的教学简化

可能性 × 影响 = 风险值,映射四级(低/中/高/极高)。强调:定级要有依据引用(检查现场最常见追问就是"这个为什么定中风险")。


三、迎检实务(理论2)

检查的三个动作

  1. 查制度:数据安全管理办法/分类分级制度/应急预案是否有、是否有签发、是否和实际对得上
  2. 查系统:抽系统看加密/脱敏/权限/日志配置(对应实验 5-9 的全部配置项)
  3. 查人员:访谈数据安全负责人职责认知(24号文责任体系落点)

迎检材料包 checklist(发放模板)

常见扣分项 Top5【分析】

  1. 制度和系统两张皮(制度写了全量加密,实际没做)
  2. 清单一年没更新
  3. 外包人员权限未纳入管控
  4. 应急预案没有演练记录
  5. 日志留存不满 6 个月

四、实验12 毕业设计:虚构城商行完整评估

任务书

场景:虚构"XX 城商行"(课程发放背景文档:规模、系统清单、组织架构、一段含隐患的现行做法描述)。学员角色:受聘的数据安全顾问。

交付物(四件)

  1. 数据分级清单:对场景文档给出的系统与数据识别定级(复用实验2/3 方法)
  2. 差距分析:对照 24号文 + JR/T 三部曲逐条找差距(复用实验1 映射表方法)
  3. 整改方案:每项差距给措施+优先级+工作量估算(复用实验5-10 技术手段)
  4. 迎检要点报告:按迎检材料包 checklist 自查,输出"若 3 个月后检查会怎样"预判

评分维度

维度权重
条款引用准确性25%
技术措施可执行性30%
报告结构完整性25%
优先级与工作量合理性20%

与就业的对接


五、期末测试与结业(学时8)


六、本讲案例复盘(贯穿机制)

选一份公开的监管检查通报/行政处罚集中披露(注明文号),让学员用毕业设计的方法反向"体检":如果通报里的机构做过这套评估,哪一步会拦住哪个问题——这是全课程的收官检验。

实验区 · 14 个 Docker 实验

一键起环境(合成数据生成器 + MySQL/PostgreSQL + KMS + 业务控制台),每个实验产出可放进简历的交付物
unzip labs-env-findata.zip -d labs && cd labs/00-labenv && docker compose up -d   # 仅限内网隔离环境运行
实验手册合订本 · 完整操作步骤(14 个实验在线阅读)

金融数据安全专家培训课程 · 实验操作完整手册(合订本)v1.0

思度安全 · 信息安全基础知识的传播者
本合订本收录全部 14 个实验的完整操作步骤,"照抄即跑"格式:前置条件 → 照抄命令 → 预期输出 → 验收自查 → 评分要点 → FAQ → 提交物。
全部实验基于演练平台合成数据(192.168.32.130),无任何真实客户数据。

环境速查(详见《README.md》)

服务地址账号/密码
MySQL 业务库192.168.32.130:3306 / bank_bizroot / fds_root_2026
MySQL 影子库192.168.32.130:3307 / bank_shadowroot / fds_root_2026
PostgreSQL(RLS)192.168.32.130:15432 / bank_rlpostgres / fds_pg_2026
OpenSearchhttp://192.168.32.130:9200—
Dashboardshttp://192.168.32.130:5601首次见使用说明
自研 KMShttp://192.168.32.130:8100(/docs 在线调)—
Streamlit 控制台http://192.168.32.130:8501—

实验总索引与依赖顺序

#实验对应模块依赖
1法规义务映射表M1无
2敏感数据识别与打标M2实验1
3资产清单扫描M2实验2
4分类分级清单交付M2实验3
5静态脱敏M3实验3
6动态脱敏M3实验5
7字段级加密 + KMSM3/M2.5M2.5 理论
8共享通道审批留痕M3实验7
9RLS 与高危规则M4环境
10内部人批量导出监测M4实验9 + 实验14
11出境合规评估演练M6实验4
12毕业设计M8实验1-11
13SM2 签名验签M2.5无
14数据库水印溯源M2.5实验9(平台数据)


<!-- ======== 实验01-法规义务映射表.md ======== -->

实验1 · 法规义务映射表

对应模块 M1 | 2 学时 | 产出物:《法规义务-标准条款-技术措施映射表.xlsx》(纳入作品集)
本实验不需要写代码,产出物就是你求职面试时"我真的做过映射"的证明

实验目标

把"一部法 + 三部法 + 一个条例 + 一份监管文件 + 一套行业标准"翻译成一张可执行的表:
每条监管义务 → 对应标准条款 → 我行技术/管理措施 → 责任部门 → 现状差距。

前置条件

  • 已看完 M1 讲稿第 1-2 节
  • 能打开本课程提供的模板:labs/manuals/exp01-模板/义务映射表-模板.xlsx

准备工作(5 分钟)

  1. 打开课程环境控制台 http://192.168.32.130:8501(环境正常即可,本实验主要查资料)
  2. 下载模板到本地,另存为 义务映射表-你的姓名.xlsx
  3. 准备检索源(全部免费公开):
  • 网安法/数安法/个保法全文:中国政府网 www.gov.cn 搜索法规名
  • 金规〔2024〕24号:国家金融监督管理总局官网"政策文件"栏目
  • JR/T 0071、GB 39786 目录:全国金融标准化技术委员会官网可查标准名称与范围页

实验步骤(照抄执行)

Step 1:建立行骨架(约 15 分钟)

在模板"映射表"工作表里,按下列义务来源各建 2-4 行(模板已预置,逐行确认即可):

义务来源预置义务行示例
网安法等级保护定级备案(第21条);日志留存≥6个月(第21条)
数安法数据分类分级(第21条);重要数据风险评估(第30条)
个保法处理告知-同意(第13/17条);敏感个信单独同意(第28-29条)
网数条例年度数据安全风险评估并报送;明确数据安全负责人与管理机构
金规〔2024〕24号党委(党组)/董事会承担主体责任;数据安全负责人任职备案
JR/T 01975 级定级方法;C1/C2/C3 敏感级映射
GB 39786密码应用四层面要求(物理/网络/设备/数据)

Step 2:逐行填"技术/管理措施"列(约 40 分钟)

对着课程实验环境填,保证每一行措施是"看得见摸得着"的:

  • 例:数据分类分级(数安法第21条) → 措施填:

"实验2 正则识别打标 + 实验3 资产扫描 + 实验4 输出《分类分级清单》",
责任部门填"数据管理部",现状填"进行中"

  • 例:日志留存≥6个月(网安法第21条) → 措施填:

"审计日志接 OpenSearch(实验9)",现状去 5601 看板确认有 fds-audit* 索引后填"已落地"

  • 禁止填"加强管理""高度重视"这类空话——评分时一行空话扣一分

Step 3:交叉自检(约 20 分钟)

用三个问题逐行自检,在"自检"列填 是/否:

  1. 这条义务的原文出处(法名+条号)写了吗?
  2. 对应的标准条款(如 JR/T 0197 第 X 章)找得到吗?
  3. 措施能落到一个岗位 + 一个系统/文档吗?

三问有一问"否",该行视为未完成。

Step 4:抽查答辩(直播课环节)

每期随机抽 3 名学员,直播时讲你映射表里的任意一行:义务→条款→措施→证据。

验收自查

  • [ ] 表内 ≥ 16 行有效映射(模板预置行全部完成)
  • [ ] 每行三问自检全部"是"
  • [ ] 至少 3 行的现状列引用了课程实验环境的实际验证结果
  • [ ] 文件名包含你的姓名

评分要点(10 分制)

  • 义务出处准确(3 分):条号错一行扣 0.5
  • 措施可落地可举证(4 分):空话行每行扣 1
  • 现状与证据真实(2 分):引用实验环境实际状态
  • 格式规范(1 分)

常见问题

问题处理
找不到 24 号文原文总局官网检索"金规〔2024〕24号",检索不到时用讲稿第 2 节的条款摘要并在备注注明"依课程讲稿"
标准全文要付费只要求对齐"范围+框架"层级,标准目录页免费可查即可,不必购买全文
一条义务找不到对应标准允许填"无直接标准",但要在备注说明判断依据

提交物

义务映射表-姓名.xlsx 上传至班级作业区(实验1 通道)。


<!-- ======== 实验02-识别打标.md ======== -->

实验2 · 敏感数据字段识别打标(规则引擎 + Presidio)

对应模块 M2 | 2 学时 | 产出物:识别打标脚本 + 打标结果 CSV
原则:正则打底理解原理,Presidio 增强看效果,组合升级规则自己写

实验目标

对 customers 表完成字段级识别打标:每列打上【业务类别 + 敏感级别 + 依据】,并实现"组合升级"判定(身份证+手机号同表 → 整表升级)。

前置条件

  • 实验环境 7 服务全部 Up(sudo docker compose ps 确认)
  • 本机装有 Python 3.10+(或用 VM 内 python3)
  • MySQL 业务库:192.168.32.130:3306,库 bank_biz,账号 root / fds_root_2026

准备工作(10 分钟)

mkdir fds-exp02 && cd fds-exp02
pip install pymysql pandas            # 国内网络慢可加 -i https://pypi.tuna.tsinghua.edu.cn/simple

连通性自检(照抄执行):

python -c "import pymysql; c=pymysql.connect(host='192.168.32.130',port=3306,user='root',password='fds_root_2026',database='bank_biz'); print('OK', c.open)"

预期输出:OK True。失败先查 VPN/防火墙和 3306 端口。

实验步骤

Step 1:先人工看数据(5 分钟)

python - << 'EOF'
import pymysql, pandas as pd
c = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                    password='fds_root_2026', database='bank_biz')
df = pd.read_sql("SELECT * FROM customers LIMIT 5", c)
print(df.T)
EOF

把每列记下来:name / id_number / phone / email / address / …——这就是你的"待识别清单"。

Step 2:写规则引擎(核心步骤,约 30 分钟)

新建 rule_engine.py,照抄以下骨架(★★ 标注处为你要补的空):

import pymysql, pandas as pd, re, yaml, json

RULES = {  # 正则规则:列名 -> (规则名, 正则, 级别, 依据)
    "id_number": ("证件号",   r"^\d{17}[\dX]$",        "C2", "JR/T 0197 表1"),
    "phone":     ("手机号",   r"^1[3-9]\d{9}$",        "C2", "JR/T 0197 表1"),
    "email":     ("邮箱",     r"^[^@\s]+@[^@\s]+\.[a-z]{2,}$", "C1", "JR/T 0197 表1"),
    # ★★ 补一条"银行卡号"规则:16-19 位数字,级别 C2,依据同上
}

def load_yaml(path):
    with open(path, encoding='utf-8') as f:
        return yaml.safe_load(f)

def classify_table(df: pd.DataFrame, combos: list) -> list:
    rows = []
    for col in df.columns:
        hit = None
        for name, pat, level, basis in RULES.values():
            if df[col].astype(str).str.match(pat).mean() > 0.8:  # 80% 命中才认定
                hit = (col, name, level, basis); break
        if hit: rows.append(hit)
        else:   rows.append((col, "未识别", "C3以下", "人工判断"))
    # ★★ 组合升级判定:若同表同时存在 C2 的 id_number 与 phone,
    #    整表级别升级为"3级(敏感)",在结果里加一行 level='3级-组合升级'
    return rows

if __name__ == "__main__":
    conn = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                           password='fds_root_2026', database='bank_biz')
    df = pd.read_sql("SELECT * FROM customers", conn)
    combos = load_yaml("combos.yaml")
    result = pd.DataFrame(classify_table(df, combos),
                          columns=["column", "识别类型", "级别", "依据"])
    result.to_csv("exp02_打标结果.csv", index=False, encoding="utf-8-sig")
    print(result)

再建组合规则文件 combos.yaml(★ 自己补第二组):

combo_rules:
  - when_all_present: [id_number, phone]
    upgrade_to: "3级-组合升级"
    basis: "JR/T 0197 5.2 组合标识符规则"
  # ★ 补一组:邮箱 + 姓名 同表 -> "2级"

Step 3:运行并核对(10 分钟)

pip install pyyaml
python rule_engine.py

预期:输出表里 id_number、phone 标 C2,末尾出现 3级-组合升级 行。

Step 4:Presidio 增强(选做加分,约 30 分钟)

pip install presidio-analyzer
python -m spacy download zh_core_web_sm    # 中文小模型,约 50MB
from presidio_analyzer import AnalyzerEngine
a = AnalyzerEngine()
res = a.analyze(text="张三,身份证 110101199003074258,手机 13812345678",
                language="zh")
for r in res: print(r.entity_type, r.start, r.end, round(r.score, 2))

预期:识别出 PERSON / ID_CARD 类似实体。把 Presidio 与正则的召回差异记进实验报告。

Step 5:跑全部五张表(10 分钟)

把 Step 2 的主循环对 accounts / transactions / credit_query_log / wealth_risk_eval 各执行一次,
结果合并输出 exp02_全表打标.csv。

验收自查

  • [ ] 自写的银行卡号规则能命中 accounts 表卡号列
  • [ ] combos.yaml 有 ≥ 2 条组合规则且生效
  • [ ] 两个 CSV 已生成
  • [ ] (选做)Presidio 差异记录 ≥ 3 条

评分要点(10 分制)

规则补全且命中 3 分|组合升级逻辑正确 3 分|五表全跑 2 分|Presidio 差异分析 2 分

常见问题

问题处理
连不上 3306确认在课程 VPN/内网;或改在 VM 内执行(host 写 127.0.0.1)
spacy 模型下载失败用清华 pip 源重试;实在不行 Presidio 部分记"环境受限",不影响及格
中文列名乱码CSV 用 utf-8-sig(骨架已带),Excel 打开即正常

提交物

rule_engine.py + combos.yaml + exp02_打标结果.csv + exp02_全表打标.csv(选做附 Presidio 笔记)


<!-- ======== 实验03-资产清单扫描.md ======== -->

实验3 · 数据资产盘点:扫描数据库生成资产清单

对应模块 M2 | 2 学时 | 产出物:《数据资产清单.xlsx》(含库/表/字段/体量/负责人/级别)
一句话:分类分级的前提是"知道自己有什么数据"——盘点比识别更枯燥也更值钱

实验目标

对课程环境 3 个数据库(MySQL 业务库、MySQL 影子库、PostgreSQL)做全量 schema 扫描,输出带敏感级别标注的资产清单,并发现 1 个"影子库违规拷贝"风险点。

前置条件

  • 实验2 完成(打标结果可复用)
  • 库连接信息:
    • MySQL 业务库 192.168.32.130:3306,bank_biz,root / fds_root_2026
    • MySQL 影子库 192.168.32.130:3307,bank_shadow,root / fds_root_2026
    • PostgreSQL 192.168.32.130:15432,bank_rl,postgres / fds_pg_2026

实验步骤

Step 1:扫描三个库的元数据(20 分钟)

新建 scan_assets.py 照抄:

import pymysql, psycopg2, pandas as pd

def scan_mysql(host, port, db):
    c = pymysql.connect(host=host, port=port, user='root',
                        password='fds_root_2026', database='information_schema')
    sql = """
    SELECT table_schema AS 库, table_name AS 表,
           table_rows AS 行数估算,
           ROUND(data_length/1024/1024,1) AS 大小MB,
           table_comment AS 备注
    FROM tables WHERE table_schema = %s"""
    tables = pd.read_sql(sql, c, params=(db,))
    cols = pd.read_sql("""
    SELECT table_name AS 表, column_name AS 字段, column_type AS 类型,
           column_comment AS 注释
    FROM columns WHERE table_schema = %s""", c, params=(db,))
    c.close()
    return tables, cols

t1, c1 = scan_mysql('192.168.32.130', 3306, 'bank_biz')
t2, c2 = scan_mysql('192.168.32.130', 3307, 'bank_shadow')

pg = psycopg2.connect(host='192.168.32.130', port=15432, user='postgres',
                      password='fds_pg_2026', dbname='bank_rl')
t3 = pd.read_sql("""
    SELECT schemaname AS 库, relname AS 表,
           n_live_tup AS 行数估算,
           pg_size_pretty(pg_total_relation_size(relid)) AS 大小
    FROM pg_stat_user_tables""", pg)

print("== bank_biz ==");  print(t1)
print("== bank_shadow =="); print(t2)
print("== bank_rl ==");    print(t3)
t1.assign(实例="mysql-biz").append(t2.assign(实例="mysql-shadow")) \
  .to_csv("exp03_表清单.csv", index=False, encoding="utf-8-sig")
c1.assign(实例="mysql-biz").append(c2.assign(实例="mysql-shadow")) \
  .to_csv("exp03_字段清单.csv", index=False, encoding="utf-8-sig")

运行:python scan_assets.py,检查两个 CSV 已生成。

Step 2:合并打标结果(15 分钟)

用 Excel 或 pandas 把 exp03_字段清单.csv 与实验2 的 exp02_全表打标.csv 按"表+字段"左连接,
给每个字段补上【识别类型/级别】两列:

f = pd.read_csv("exp03_字段清单.csv")
m = pd.read_csv("exp02_全表打标.csv")        # 列名按你实验2的输出调整
merged = f.merge(m, on=["表", "字段"], how="left")
merged.to_csv("exp03_字段清单-已定级.csv", index=False, encoding="utf-8-sig")

Step 3:发现影子库风险(15 分钟)——本实验的点睛之笔

python - << 'EOF'
import pymysql, pandas as pd
a = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                    password='fds_root_2026', database='bank_biz')
b = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                    password='fds_root_2026', database='bank_shadow')
da = pd.read_sql("SELECT * FROM customers LIMIT 3", a)
db = pd.read_sql("SELECT * FROM customers LIMIT 3", b)
print("业务库样例:"); print(da)
print("影子库样例:"); print(db)
EOF

对比输出回答三个问题并写进报告:

  1. 影子库和业务库的字段结构一致吗?(一致=全量拷贝)
  2. 影子库的数据脱敏了吗?(看姓名/证件号是否明文)
  3. 影子库有没有单独的访问控制与审批记录?(去控制台页签⑥查审计)

结论写法示例:"shadow 库为生产库全量拷贝、含明文 C2 字段、无独立审批——构成 M3 实验5 的整改对象"。

Step 4:补齐管理信息(10 分钟)

清单补 3 列:负责人(自拟岗位如"科技部-数据管理员")、存储位置(实例名)、定级(继承实验2)。
真实工作中这三列最难填——课程里允许自拟,但格式必须齐。

验收自查

  • [ ] 两个 CSV 覆盖 3 个库全部业务表
  • [ ] 每个字段有级别标注(含"未识别-待人工"也算标注)
  • [ ] 影子库风险结论 ≥ 3 句话有对比证据
  • [ ] 负责人/位置/定级三列齐全

评分要点(10 分制)

扫描完整 3 分|定级合并正确 3 分|影子库风险发现与论证 3 分|清单字段齐全 1 分

常见问题

问题处理
append 报 FutureWarning/AttributeError新版 pandas 改用 pd.concat([t1, t2], ignore_index=True)
PG 行数估算为 0统计信息未更新;先在 PG 里对每表跑一次 SELECT count(*) 再看
影子库连不上3307 是容器映射端口,确认 docker compose ps 里 mysql-shadow Up

提交物

scan_assets.py + exp03_表清单.csv + exp03_字段清单-已定级.csv + 影子库风险分析(≥3 句)


<!-- ======== 实验04-分类分级清单交付.md ======== -->

实验4 · 交付《数据分类分级清单》

对应模块 M2 | 2 学时 | 产出物:《数据分类分级清单》正式版(模板发放)
这是实验2+3 的"毕业汇演":两张 CSV 变成一份能拿给监管看、能拿进作品集的正式交付物

实验目标

把识别打标与资产盘点的技术产出,整理成符合监管报送口径的正式清单:分类目录对齐 GB/T 43697,分级依据对齐 JR/T 0197,并输出"重要数据识别结论"专节。

前置条件

  • 实验2、实验3 完成
  • 模板:labs/manuals/exp04-模板/分类分级清单-模板.xlsx(含 4 个工作表)

实验步骤

Step 1:建分类目录(30 分钟)

在模板"分类目录"工作表,把课程环境五张表归入 GB/T 43697 风格的一级/二级分类:

表一级分类二级分类依据
customers个人信息客户身份信息直接识别自然人
accounts业务数据账户信息金融账户标识
transactions业务数据交易流水资金链路
credit_query_log日志数据征信查询日志含查询行为与操作员
wealth_risk_eval个人信息投资者适当性风险测评结果

允许你调整归类,但每个归类必须有依据列,不允许空。

Step 2:定级与"组合升级"复核(30 分钟)

在"分级结果"工作表逐表填:级别(JR/T 0197 5级制 + C1/C2/C3 映射)、定级依据、影响对象。
重点复核三处(这是评分采分点):

  1. customers:单字段 C2,但 id_number+phone 同表 → 组合升级为 3级/敏感(引用实验2 结论)
  2. credit_query_log:含操作员标识 → 注意"日志也是个人信息",不能因为它是日志就降级
  3. transactions:金额本身不敏感,但 account_id+时间+金额可还原客户资金画像 → 说明你取的口径(整表定级 vs 字段定级)

Step 3:重要数据识别专节(20 分钟)

按 GB/T 43697"重要数据"判断维度逐项过一遍,写 200 字结论。参考答法(口径自洽即可):

课程环境为虚构城商行核心数据集:客户身份信息 3000 条 + 交易流水 36 万条。若为真实环境,
规模达到地区性银行量级、影响公民人身财产安全 → 大概率触发重要数据目录。
本次交付结论:疑似重要数据,需按属地目录比对后报送;建议先按重要数据管控(从高原则)。

Step 4:变更与例外说明(15 分钟)

"例外与说明"工作表至少写 2 条,例如:

  • 测试环境(影子库)与生产同构 → 单独一行风险登记,链接实验3 结论
  • 字段级与表级定级冲突时的取数口径:从高

Step 5:格式合规检查(15 分钟)

对照检查表逐项打勾:

  • [ ] 页眉含"密级:内部"与版本号 v1.0
  • [ ] 每个表都有"定级依据"(法条/标准条款号)
  • [ ] 无空单元格(没有就写"不适用")
  • [ ] 文件名:分类分级清单-虚构城商行-姓名-v1.0.xlsx

验收自查

  • [ ] 4 个工作表全部填写完成
  • [ ] 三处重点复核都有明确结论
  • [ ] 重要数据专节 ≥ 200 字且口径自洽
  • [ ] 格式检查表全勾

评分要点(10 分制)

分类依据 2 分|定级与组合升级复核 3 分|重要数据专节质量 3 分|交付格式 2 分
(本实验产出物同时进入毕业作品集,按"可对外展示"标准要求)

常见问题

问题处理
5级制和 C1/C2/C3 对不上用课程 M2 讲稿的映射表:C3≈3级敏感、C2≈2级,写清对应关系即可
重要数据结论不确定正确姿势就是"疑似+从高管控+待属地目录比对",敢写不确定比乱写结论得分高
组合升级规则争议备注"依 JR/T 0197 5.2 及课程口径",允许标注公司自定义规则的存在

提交物

《分类分级清单》正式版 xlsx(进作品集)+ 一段 100 字交付说明(这份清单给谁、解决什么问题)


<!-- ======== 实验05-静态脱敏.md ======== -->

实验5 · 静态脱敏:保留格式 / 泛化 / 置换

对应模块 M3 | 2 学时 | 产出物:脱敏脚本 + 影子库脱敏后数据 + 三算子对比表
把实验3 发现的"影子库明文拷贝"真正整改掉——前后呼应

实验目标

对 customers 表的三类字段实现三种脱敏算子,写入 MySQL 影子库(bank_shadow),并用脚本证明"脱敏后仍可用于开发测试"。

前置条件

  • 影子库:192.168.32.130:3307,库 bank_shadow,root / fds_root_2026
  • 业务库:192.168.32.130:3306,bank_biz(只读源)
  • 已装 pip install pymysql pandas

实验步骤

Step 1:影子库建表(10 分钟)

python - << 'EOF'
import pymysql
c = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                    password='fds_root_2026', database='bank_shadow')
cur = c.cursor()
cur.execute("""CREATE TABLE IF NOT EXISTS customers_masked (
  id INT PRIMARY KEY,
  name VARCHAR(64)      COMMENT '置换',
  id_number VARCHAR(18) COMMENT '保留格式(FFX演示)',
  phone    VARCHAR(11)  COMMENT '遮盖',
  age      INT          COMMENT '泛化',
  city     VARCHAR(32)  COMMENT '保留')""")
cur.execute("TRUNCATE TABLE customers_masked")
c.commit(); print("表就绪")
EOF

Step 2:实现三种算子(核心步骤,30 分钟)

新建 mask.py,★ 处为你要自己补的:

import pymysql, pandas as pd, hashlib

def mask_ffx_id(idn: str) -> str:
    """保留格式:18位仍18位、校验位仍合法感(演示版用确定性混淆)。
    ★ 工程版要求:前6位区划改为'110101'统一化,中间8位哈希置换,
      第18位重算使 Luhn/身份证校验仍通过——参考 M3 讲稿第三节 FFX 思路补全"""
    h = hashlib.sha256(idn.encode()).hexdigest()
    body = ''.join(str(int(h[i*2:i*2+2], 16) % 10) for i in range(11))
    return "110101" + body[:11].ljust(11, '0') + idn[-1]

def mask_generalize_age(age: int) -> str:
    """泛化:精确年龄 -> 5 岁年龄段。★ 自己实现:24 -> '20-24'"""
    return f"{age//5*5}-{age//5*5+4}"

def mask_substitute_name(name: str, salt: str = 'fds2026') -> str:
    """置换:同名同映射(可还原一致性)。★ 要求:'张三' 永远映射到同一个假名"""
    h = hashlib.sha256((salt + name).encode()).hexdigest()
    surnames = "李王张刘陈杨赵黄周吴"
    givens = "伟芳娜敏静磊军洋勇艳杰娟涛明超霞平刚桂英华"
    return surnames[int(h[:2], 16) % 10] + givens[int(h[2:4], 16) % 20]

def mask_phone(p: str) -> str:
    return p[:3] + "****" + p[7:]

if __name__ == "__main__":
    src = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                          password='fds_root_2026', database='bank_biz')
    df = pd.read_sql("SELECT * FROM customers", src)
    out = pd.DataFrame({
        "id": df["id"], "name": df["name"].astype(str).map(mask_substitute_name),
        "id_number": df["id_number"].astype(str).map(mask_ffx_id),
        "phone": df["phone"].astype(str).map(mask_phone),
        "age": df["age"].astype(int).map(mask_generalize_age),
        "city": df["address"].astype(str).str[:2],
    })
    dst = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                          password='fds_root_2026', database='bank_shadow')
    out.to_sql("customers_masked", dst, if_exists="replace", index=False)
    out.head(5).to_csv("exp05_样例.csv", index=False, encoding="utf-8-sig")
    print(out.head(5))
影子库无 age 列时,把 age 泛化列可先对 customers 里已有年龄段字段执行;
若表结构不同,按实际字段名调整——这本身就是实验的一部分。

Step 3:三算子对比表(20 分钟)

对照写入报告(模板):

算子示例输入示例输出可逆性适用场景本例用于
遮盖13812345678138****5678不可逆展示层、客服phone
泛化2420-24不可逆统计分析、报表age
置换张三王伟可逆(带盐)测试库、需保持关联name
保留格式110101…X110101…X密钥可逆需通过下游校验id_number

补一行结论:为什么 id_number 不用遮盖?(提示:下游many系统按18位校验,遮盖后测试跑不通)

Step 4:可用性验证(10 分钟)

证明脱敏数据"还能用":

python - << 'EOF'
import pymysql, pandas as pd
c = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                    password='fds_root_2026', database='bank_shadow')
df = pd.read_sql("SELECT city, COUNT(*) n FROM customers_masked GROUP BY city ORDER BY n DESC LIMIT 5", c)
print(df)   # 分布统计仍可跑
EOF

Step 5:泄露风险验证(10 分钟)

在脱敏后数据里搜原身份证号,证明 0 命中:

python - << 'EOF'
import pymysql
c = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                    password='fds_root_2026', database='bank_shadow')
cur = c.cursor()
cur.execute("SELECT COUNT(*) FROM customers_masked WHERE id_number IN (SELECT id_number FROM …)")
# 换成:取业务库原 100 个证件号,到影子库查命中数,预期 0
EOF

(提示:读业务库 100 个证件号 → 影子库 WHERE id_number IN (...),报告贴 0 命中截图)

验收自查

  • [ ] 三个★函数补全且运行通过
  • [ ] 影子库 customers_masked 有 ≥3000 行
  • [ ] 同名客户二次运行映射不变(确定性验证,把两次 head 对比截图)
  • [ ] 三算子对比表 + 一行结论
  • [ ] 0 命中验证截图

评分要点(10 分制)

算子实现 4 分(置换确定性 1 分、FFX 思路正确 1 分)|影子库落库 2 分|对比表结论 2 分|泄露验证 2 分

常见问题

问题处理
to_sql 报错pip install sqlalchemy;或改用 executemany 逐行插入
age 列不存在用 wealth_risk_eval 或自行在 CREATE TABLE 里以 birth_year 换算
置换映射每次运行都变检查 salt 是否写死——salt 变了映射就变,这正是"确定性"考点

提交物

mask.py + exp05_样例.csv + 三算子对比表 + 两张验证截图


<!-- ======== 实验06-动态脱敏.md ======== -->

实验6 · 动态脱敏:代理层按角色返回不同数据

对应模块 M3 | 2 学时 | 产出物:动态脱敏代理配置 + 三角色对比截图
与实验5 的区别一句话:静态改库里存的数,动态改"查询返回的数"——原始数据不动

实验目标

搭一个 MySQL 代理层,让三类账号查同一张表得到不同结果:

  • auditor(审计员):明文
  • teller(柜员):手机号遮盖
  • outsourcer(外包):关键列直接 NULL

方案说明

生产常用 Apache ShardingSphere-Proxy(Apache-2.0,版权无忧)。课程提供两种路线:

  • A 路线(推荐,100% 能跑通):用课程自研的轻量 MySQL 返回值改写脚本,原理同代理层
  • B 路线(进阶加分):ShardingSphere-Proxy 真实部署,配置文件在 labs/exp06-sharding/

A 路线步骤(照抄即可跑通)

Step 1:业务库建三个演示账号(10 分钟)

python - << 'EOF'
import pymysql
c = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                    password='fds_root_2026', database='bank_biz')
cur = c.cursor()
for user, host in [('auditor','%'), ('teller','%'), ('outsourcer','%')]:
    cur.execute(f"CREATE USER IF NOT EXISTS {user}@'{host}' IDENTIFIED BY '{user}_fds_2026'")
cur.execute("GRANT SELECT ON bank_biz.* TO auditor@'%'")
cur.execute("GRANT SELECT ON bank_biz.* TO teller@'%'")
cur.execute("GRANT SELECT(id, name) ON bank_biz.customers TO outsourcer@'%'")  # 列级收权
c.commit(); print("三个账号就绪")
EOF

Step 2:写"代理返回值改写"脚本(30 分钟)

新建 dyn_proxy.py——模拟代理层核心逻辑:按连接角色对结果集做改写:

import pymysql, re

POLICY = {   # 角色 -> 字段 -> 算子(这就是策略中心的雏形)
    "teller":     {"phone": lambda v: v[:3] + "****" + v[7:]},
    "outsourcer": {"phone": lambda v: None, "id_number": lambda v: None},
}

def query_as(role, sql):
    if role == "auditor":   # 审计员直连明文
        conn = pymysql.connect(host='192.168.32.130', port=3306,
                               user='auditor', password='auditor_fds_2026', database='bank_biz')
    else:
        conn = pymysql.connect(host='192.168.32.130', port=3306,
                               user='teller', password='teller_fds_2026', database='bank_biz')
    cur = conn.cursor(); cur.execute(sql)
    cols = [d[0] for d in cur.description]; rows = cur.fetchall(); conn.close()
    rules = POLICY.get(role, {})
    if rules:
        fixed = []
        for r in rows:
            fixed.append(tuple(
                (rules[c](r[i]) if (c in rules and r[i] is not None) else r[i])
                for i, c in enumerate(cols)))
        rows = fixed
    return cols, rows

if __name__ == "__main__":
    sql = "SELECT name, phone, id_number FROM customers LIMIT 3"
    for role in ("auditor", "teller", "outsourcer"):
        cols, rows = query_as(role, sql)
        print(f"--- {role} ---")
        for r in rows: print(dict(zip(cols, r)))

Step 3:三角色对比截图(10 分钟)

运行 python dyn_proxy.py,预期:

  • auditor:13812345678、110101... 全明文
  • teller:138****5678,证件号明文(策略里没配)
  • outsourcer:phone/id_number 为 None

三种输出各截一张图,拼进报告。

Step 4:策略热更新演示(15 分钟)

把 POLICY 里 teller 的 phone 规则改成"保留前7后2"(v[:7]+"**"+v[9:]),
不改代码只改字典重新运行——这就是"策略中心化"的价值。截图改前改后两次结果。

B 路线(进阶加分,ShardingSphere 真部署)

# 在 VM 上执行
cd ~/fds-labenv && sudo docker run -d --name ss-proxy -p 33060:3307 \
  apache/shardingsphere-proxy:5.4.1
# 配置文件挂载方式与 mask 规则 YAML 见 labs/exp06-sharding/ 目录内注释

配好后用 mysql 客户端连 33060 验证 SELECT phone FROM customers LIMIT 3 返回遮盖值。
(镜像约 300MB,VM 网络波动时多试几次;跑不通不影响及格)

验收自查

  • [ ] 三账号创建成功且 outsourcer 是列级收权(GRANT 指定列)
  • [ ] dyn_proxy.py 三角色输出正确
  • [ ] 策略热更新前后截图
  • [ ] (加分)B 路线跑通截图

评分要点(10 分制)

三角色差异正确 4 分|列级收权落地 2 分|热更新演示 2 分|报告说明静态vs动态区别 2 分

常见问题

问题处理
CREATE USER 报错已存在前面加了 IF NOT EXISTS;密码错就 ALTER USER 重设
outsourcer 查询报列不存在这是列级收权生效了——用能查的列名重试
A/B 路线结果不一致正常:A 是脚本模拟,B 是真代理;报告里写清用的是哪条路线

提交物

dyn_proxy.py + 三张角色截图 + 热更新截图 + 100 字"静态 vs 动态"区别说明


<!-- ======== 实验07-字段加密KMS.md ======== -->

实验7 · 字段级加密 + 自研 KMS

对应模块 M3 / M2.5 | 2 学时 | 产出物:加密落库的客户表 + KMS 操作记录
核心考点:密文可以进库,密钥永远不进库——"密钥和密文同库同表"是密评第一条失分项

实验目标

用课程自研 KMS(http://192.168.32.130:8100)对 customers 表的手机号做信封式字段加密并落库,验证密钥轮换前后均可解密、错误密钥不可解。

前置条件

  • KMS 服务健康:curl http://192.168.32.130:8100/health 返回 200
  • 已装 pip install pymysql requests
  • KMS 接口速查(也可开 http://192.168.32.130:8100/docs 在线调):
    • POST /keys body {"key_id":"xxx"} 创建
    • GET /keys 列表;POST /keys/{id}/rotate 轮换
    • POST /encrypt body {"key_id":"xxx","plaintext_b64":"..."}
    • POST /decrypt body {"key_id":"xxx","ciphertext_b64":"..."}

实验步骤

Step 1:先手工体验一轮(10 分钟)

curl -s -X POST http://192.168.32.130:8100/keys -H "Content-Type: application/json" -d '{"key_id":"exp07-key"}'
python - << 'EOF'
import requests, base64
p = base64.b64encode("13812345678".encode()).decode()
e = requests.post("http://192.168.32.130:8100/encrypt",
                  json={"key_id":"exp07-key","plaintext_b64":p}).json()
print("密文:", e["ciphertext_b64"][:32], "…")
d = requests.post("http://192.168.32.130:8100/decrypt",
                  json={"key_id":"exp07-key","ciphertext_b64":e["ciphertext_b64"]}).json()
print("解密:", base64.b64decode(d["plaintext_b64"]).decode())
EOF

Step 2:批量加密落库(核心步骤,30 分钟)

新建 encrypt_col.py:

import pymysql, requests, base64

KMS = "http://192.168.32.130:8100"
KEY = "exp07-key"

def enc(v: str) -> str:
    r = requests.post(f"{KMS}/encrypt", json={
        "key_id": KEY, "plaintext_b64": base64.b64encode(v.encode()).decode()}).json()
    return r["ciphertext_b64"]

src = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                      password='fds_root_2026', database='bank_biz')
dst = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                      password='fds_root_2026', database='bank_shadow')
cur = dst.cursor()
cur.execute("""CREATE TABLE IF NOT EXISTS customers_enc (
  id INT PRIMARY KEY,
  phone_cipher TEXT    COMMENT 'KMS密文',
  key_version VARCHAR(8) COMMENT '加密时所用密钥版本')""")

rows = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                       password='fds_root_2026', database='bank_biz') \
             .cursor().execute("SELECT COUNT(*) FROM customers")
import pandas as pd
df = pd.read_sql("SELECT id, phone FROM customers LIMIT 500", src)
for _, r in df.iterrows():
    cur.execute("REPLACE INTO customers_enc VALUES (%s,%s,%s)",
                (int(r["id"]), enc(str(r["phone"])), "v1"))
dst.commit()
print("已加密落库", len(df), "行")

Step 3:密钥轮换验证(20 分钟)——本实验采分核心

# 1) 轮换密钥
curl -s -X POST http://192.168.32.130:8100/keys/exp07-key/rotate
# 2) 用 v1 旧密文仍然解密成功(新旧版本共存)
python - << 'EOF'
import pymysql, requests, base64
c = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                    password='fds_root_2026', database='bank_shadow')
cur = c.cursor(); cur.execute("SELECT id, phone_cipher FROM customers_enc LIMIT 3")
for cid, cipher in cur.fetchall():
    d = requests.post("http://192.168.32.130:8100/decrypt",
                      json={"key_id":"exp07-key","ciphertext_b64":cipher}).json()
    print(cid, "->", base64.b64decode(d["plaintext_b64"]).decode())
EOF

预期:轮换后旧密文仍解得开。回答报告问题:为什么 KMS 要保留旧版本密钥?
(答:轮换只影响新加密,存量密文要靠版本化旧密钥解——删旧版本=数据丢失)

Step 4:错误密钥不可解(10 分钟)

curl -s -X POST http://192.168.32.130:8100/keys -d '{"key_id":"wrong-key"}' -H "Content-Type: application/json"
python - << 'EOF'
import requests
r = requests.post("http://192.168.32.130:8100/decrypt",
                  json={"key_id":"wrong-key","ciphertext_b64":"AAAA"})
print(r.status_code, r.text[:120])   # 预期报错,不是明文
EOF

Step 5:对照密评失分项写结论(10 分钟)

对照 M2.5 讲稿"密评失分项 Top5"逐条检查你的实现并写进报告:

  1. 密钥和密文同库同表?→ 否(密文在 MySQL,密钥只在 KMS 卷)✅
  2. 密钥无轮换?→ 有 rotate 且版本共存 ✅
  3. 明文出现在日志?→ 检查 encrypt_col.py 有没有 print 明文 ⚠ 引以为戒
  4. 弱算法/自研算法?→ KMS 用标准实现,不自研算法 ✅
  5. 密钥无访问控制?→ 课程 KMS 简化无鉴权,报告里写"生产需加 mTLS+RBAC" ⚠

验收自查

  • [ ] customers_enc ≥ 500 行密文
  • [ ] 轮换后旧密文可解,截图
  • [ ] wrong-key 解密报错,截图
  • [ ] 密评对照表 5 条全填

评分要点(10 分制)

批量加密落库 3 分|轮换+共存验证 3 分|错误密钥验证 2 分|密评对照结论 2 分

常见问题

问题处理
KMS 502/连接拒绝docker compose ps 看 fds-kms 是否 healthy;docker compose restart kms
批量加密太慢500 行逐次 HTTP 属正常(约1分钟);别用多线程打爆教学 KMS
落库中文乱码连接串加 charset='utf8mb4'

提交物

encrypt_col.py + 两张验证截图 + 密评对照表


<!-- ======== 实验08-共享通道审批留痕.md ======== -->

实验8 · 共享安全通道与审批留痕

对应模块 M3 | 2 学时 | 产出物:一键共享脚本 + 审计留痕截图
场景:业务部门说"把客户名单发给合作方"——你作为数据安全岗,怎么让这个动作合规、留痕、可审计

实验目标

实现一个"共享导出"闭环:审批登记 → 水印植入 → 最小化字段导出 → 通道传输 → 全程写审计索引,并演示"没有审批单就导不出"的拦截。

前置条件

  • 实验7 完成(复用 KMS)
  • OpenSearch 可用:curl http://192.168.32.130:9200 返回集群信息
  • 审批留痕写入索引 fds-audit(与控制台访问记录同索引)

实验步骤

Step 1:设计审批单数据结构(15 分钟)

新建 share.py,先抄骨架:

import requests, json, datetime as dt, hashlib, csv

OS = "http://192.168.32.130:9200"

def audit(action: str, detail: dict):
    """每个关键动作都写一条审计——这是'留痕'的落点"""
    requests.post(f"{OS}/fds-audit/_doc", json={
        "@timestamp": dt.datetime.utcnow().isoformat(),
        "user": "stu-你的名字", "action": action, **detail}, timeout=5)

def make_approval(applicant, purpose, fields, rows, expire_hours=24):
    """审批单:谁/为什么/哪些字段/多少行/有效期——五要素缺一不可"""
    ap = {"applicant": applicant, "purpose": purpose,
          "fields": fields, "rows": rows, "expire_hours": expire_hours,
          "status": "PENDING"}
    aid = hashlib.sha256(json.dumps(ap, sort_keys=True).encode()).hexdigest()[:12]
    ap["approval_id"] = aid
    audit("share_approval_created", ap)
    return ap

def approve(ap: dict, approver: str):
    ap["status"] = "APPROVED"; ap["approver"] = approver
    audit("share_approval_approved", {"approval_id": ap["approval_id"],
                                      "approver": approver})

思考题写进报告:为什么 approval_id 用内容哈希而不是自增?(提示:审批单不可篡改)

Step 2:导出函数——带四道闸(30 分钟)

def export_for_share(ap: dict, df, watermark_secret: str):
    """四道闸:状态→字段→行数→水印"""
    # 闸1:未审批不放行
    if ap.get("status") != "APPROVED":
        audit("share_denied", {"approval_id": ap["approval_id"], "reason": "未审批"})
        raise PermissionError("共享导出被拒:无有效审批单")
    # 闸2:字段最小化——超出审批字段一律砍掉
    extra = set(df.columns) - set(ap["fields"])
    if extra:
        audit("share_field_trimmed", {"approval_id": ap["approval_id"],
                                      "trimmed": sorted(extra)})
        df = df[list(ap["fields"])]
    # 闸3:行数上限
    df = df.head(ap["rows"])
    # 闸4:每行带溯源标识(生产为水印,此处为标记列,实验14 升级为真水印)
    df = df.copy(); df["_share_id"] = ap["approval_id"]
    audit("share_exported", {"approval_id": ap["approval_id"],
                             "rows": len(df), "fields": list(df.columns)})
    return df

Step 3:跑通两条路径(20 分钟)

if __name__ == "__main__":
    import pymysql, pandas as pd
    c = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                        password='fds_root_2026', database='bank_biz')
    df = pd.read_sql("SELECT id, name, phone, id_number FROM customers LIMIT 200", c)

    # 路径1:未审批 → 应被拦截
    ap1 = make_approval("stu-你的名字", "合作方营销测试",
                        ["name", "phone"], 200)
    try:
        export_for_share(ap1, df, "OP0033")
    except PermissionError as e:
        print("拦截成功:", e)

    # 路径2:审批后 → 导出,且超范围字段被砍
    approve(ap1, "dept-manager")
    out = export_for_share(ap1, df, "OP0033")
    out.to_csv("exp08_共享导出.csv", index=False, encoding="utf-8-sig")
    print(out.columns.tolist())   # 预期:没有 id_number(未在审批单内)
    print(len(out))               # 预期 200

Step 4:到审计看板验证留痕(15 分钟)

  1. 打开 http://192.168.32.130:5601 → Discover → 索引模式 fds-audit*
  2. 查询 user: "stu-你的名字",时间范围最近 15 分钟
  3. 预期按序看到 4 条:share_approval_created → share_denied → share_approval_approved → share_field_trimmed + share_exported
  4. 截图——这张图就是"全程留痕"的证据,也是你面试时最好讲的素材

Step 5:口述题(直播课抽查)

用 1 分钟讲清楚你的四道闸分别防什么:
状态闸防未批先用 / 字段闸防超范围要数 / 行数闸防一次捞走 / 水印闸防事后无法定责。

验收自查

  • [ ] 拦截路径与放行路径都跑通
  • [ ] 导出文件没有审批单之外的列
  • [ ] 看板能看到完整事件链,截图
  • [ ] 思考题(哈希审批单)有书面回答

评分要点(10 分制)

四道闸实现 4 分|双路径验证 2 分|审计链完整可查 3 分|思考题 1 分

常见问题

问题处理
写 audit 报 timeoutOpenSearch 忙;重跑即可,timeout=5 已放宽
看板查不到记录时间范围改成"最后1小时";确认索引模式是 fds-audit*
想清空审计重跑curl -X DELETE http://192.168.32.130:9200/fds-audit(教学环境允许)

提交物

share.py + exp08_共享导出.csv + 看板留痕截图 + 思考题答案


<!-- ======== 实验09-RLS与高危规则.md ======== -->

实验9 · 访问控制(RLS)+ 审计高危规则

对应模块 M4 | 2 学时 | 产出物:RLS 演示截图 + OpenSearch 高危规则配置与告警截图
两个考点:行级权限(柜员只看本网点)与高危行为规则化(日志不只是存,要能告警)

实验目标

① 在 PostgreSQL 演示 RLS:同一张表,teller_b001 只能查到本网点行,outsourcer 角色列被屏蔽;② 在 OpenSearch 写一条"单次查询超 200 条"高危规则并验证命中。

前置条件

  • PostgreSQL:192.168.32.130:15432,库 bank_rl,postgres / fds_pg_2026
  • 已装 pip install psycopg2-binary
  • 环境初始化时已建好 RLS 策略与角色(见 labs/00-labenv/postgres/init/01-init.sql)

实验步骤

Part A:RLS 行级权限(45 分钟)

Step 1:先看已有策略(10 分钟)
python - << 'EOF'
import psycopg2
c = psycopg2.connect(host='192.168.32.130', port=15432, user='postgres',
                     password='fds_pg_2026', dbname='bank_rl')
cur = c.cursor()
cur.execute("SELECT schemaname, tablename, policyname, roles, qual FROM pg_policies")
for r in cur.fetchall(): print(r)
EOF

读懂输出:策略把可见行限定在 branch_id = current_setting('app.branch') 之类会话变量上。

Step 2:以柜员身份连库验证(15 分钟)
python - << 'EOF'
import psycopg2
# teller_b001:2号网点柜员(密码见 init/01-init.sql,默认 teller_2026)
c = psycopg2.connect(host='192.168.32.130', port=15432, user='teller_b001',
                     password='teller_2026', dbname='bank_rl')
cur = c.cursor()
cur.execute("SELECT count(*) FROM accounts")
print("teller_b001 能看到的行数:", cur.fetchone()[0])
# 对比管理员视角
c2 = psycopg2.connect(host='192.168.32.130', port=15432, user='postgres',
                      password='fds_pg_2026', dbname='bank_rl')
cur2 = c2.cursor(); cur2.execute("SELECT count(*) FROM accounts")
print("postgres 全量行数:", cur2.fetchone()[0])
EOF

预期两个数字差距明显(柜员只见本网点)。截图对比。

Step 3:切换网点身份复验(10 分钟)

以另一网点柜员(init 脚本里有,如 teller_b002 / teller_2026)连库再查 count,
证明不同柜员可见集合不同——RLS 生效,不是权限写死。

Step 4:外包角色列屏蔽验证(10 分钟)

以 outsourcer 连库执行 SELECT * FROM accounts LIMIT 1,
预期:敏感列(证件号/卡号)返回 NULL 或直接无该列。记录截图。
回答报告问题:列屏蔽用视图实现 vs RLS 实现,各自的适用场景?
(答:列屏蔽管"看哪些列",视图简单;行级过滤管"看哪些行",必须 RLS。两者常叠加。)

Part B:OpenSearch 高危规则(45 分钟)

Step 5:灌一批"高危查询"事件(15 分钟)
python - << 'EOF'
import requests, datetime as dt, random
OS = "http://192.168.32.130:9200"
ops = ["OP0011", "OP0033", "OP0058"]
for i in range(300):
    op = ops[i % 3]
    n = random.randint(1, 250)          # 单次查询返回行数
    requests.post(f"{OS}/fds-audit/_doc", json={
        "@timestamp": dt.datetime.utcnow().isoformat(),
        "user": op, "action": "batch_query",
        "rows_returned": n, "src_ip": f"10.0.{i%5}.{i%250}"}, timeout=5)
print("300 条事件已写入")
EOF
Step 6:在 Dashboards 写规则(20 分钟)
  1. 打开 http://192.168.32.130:5601 → 左侧 Dashboard Management → Rules(或 OpenSearch Plugins → Alerting)
  2. Create monitor → per-query monitor:
  • 索引:fds-audit*
  • 查询:action:batch_query AND rows_returned:>200
  • 触发条件:命中数 > 0
  • 通知方式选 Test action(课程环境不发真邮件)
  1. 保存并立即 Test —— 预期命中 OP0033 等用户的大批量查询。
Step 7:规则调优思考(10 分钟)

把阈值改成 500 再测:还报吗?改成 100 呢?
写 3 句话结论:阈值太松漏报、太紧告警疲劳——引出 M4 讲稿"阈值+基线"双层设计(实验10 展开)。

验收自查

  • [ ] RLS 两个柜员 count 差异截图
  • [ ] outsourcer 列屏蔽截图
  • [ ] Alerting 规则命中截图
  • [ ] 阈值调优 3 句结论

评分要点(10 分制)

RLS 验证完整 4 分|列屏蔽验证 2 分|高危规则配置并命中 3 分|调优结论 1 分

常见问题

问题处理
teller 密码不对看 labs/00-labenv/postgres/init/01-init.sql 里的 CREATE ROLE 语句为准
RLS 不生效全表可见确认用的是 teller 账号连库(postgres 是超级用户,RLS 对其无效——这本身是考点)
Alerting 找不到入口版本差异:菜单可能叫 Anomaly Detection 旁的 Alerting;找 Create monitor 即可
命中 0 条Step 5 的 300 条里 rows_returned>200 约占 1/5;检查查询语法 rows_returned:>200 无空格

提交物

四张截图 + 列屏蔽思考题 + 阈值调优结论


<!-- ======== 实验10-内部人批量导出监测.md ======== -->

实验10 · 内部人员批量导出监测(三层防御)

对应模块 M4 | 2 学时 | 产出物:OP0033 溯源报告(阈值+基线+水印三层证据链)
这是全课程"最像真案侦破"的实验:合成数据里埋了一个学会规避单日阈值的家伙,抓他

实验目标

用 SQL + 控制台 + 水印三层手段,完整复现"内部人员分批捞取客户征信数据"的检测与定责:
第一层阈值抓现行 → 第二层基线抓规律 → 第三层水印做定责。

前置条件

  • MySQL 业务库:192.168.32.130:3306,bank_biz,root / fds_root_2026
  • 已装 pip install pymysql pandas matplotlib
  • 控制台页签⑥可访问(对照演示)

实验步骤

Step 1:先看数据长什么样(10 分钟)

python - << 'EOF'
import pymysql, pandas as pd
c = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                    password='fds_root_2026', database='bank_biz')
df = pd.read_sql("SELECT operator_id, DATE(query_time) d, COUNT(*) n "
                 "FROM credit_query_log GROUP BY operator_id, d LIMIT 20", c)
print(df)
print("总操作员数:", pd.read_sql(
    "SELECT COUNT(DISTINCT operator_id) n FROM credit_query_log", c)["n"][0])
EOF

第一层:阈值检测(15 分钟)

python - << 'EOF'
import pymysql, pandas as pd
c = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                    password='fds_root_2026', database='bank_biz')
daily = pd.read_sql("""SELECT operator_id, DATE(query_time) d, COUNT(*) n
    FROM credit_query_log GROUP BY operator_id, d""", c)
THRESHOLD = 200
hit = daily[daily["n"] > THRESHOLD]
print(f"阈值 {THRESHOLD} 命中 {len(hit)} 条:")
print(hit.sort_values("n", ascending=False).head(10))
EOF

预期:普通操作员偶有超标(忙日),OP0033 可能没进榜——他故意控制在阈值内。
在报告里写:单层阈值的漏洞是什么?(答:攻击者把量摊到阈值之下即可绕过)

第二层:基线检测(抓到 OP0033 的关键,25 分钟)

python - << 'EOF'
import pymysql, pandas as pd
c = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                    password='fds_root_2026', database='bank_biz')
daily = pd.read_sql("""SELECT operator_id, DATE(query_time) d, COUNT(*) n
    FROM credit_query_log GROUP BY operator_id, d""", c)

# 个人基线 = 自己历史日均值
base = daily.groupby("operator_id")["n"].mean().rename("baseline")
m = daily.merge(base, on="operator_id")
m["ratio"] = m["n"] / m["baseline"]

# 规则:当日量 > 个人基线 3 倍 且 当日绝对量 > 50(防低量误报)
flag = m[(m["ratio"] > 3) & (m["n"] > 50)]
print(flag.sort_values("ratio", ascending=False).head(10))

# 画图存证:OP0033 vs 全体均值的每日查询曲线
import matplotlib
matplotlib.use("Agg"); import matplotlib.pyplot as plt
op33 = daily[daily["operator_id"] == "OP0033"]
avg  = daily.groupby("d")["n"].mean()
plt.figure(figsize=(10, 4))
plt.plot(op33["d"], op33["n"], label="OP0033", marker="o")
plt.plot(avg.index, avg.values, label="全体均值")
plt.legend(); plt.title("OP0033 vs baseline"); plt.xticks(rotation=45)
plt.tight_layout(); plt.savefig("exp10_基线对比.png", dpi=120)
print("图已存 exp10_基线对比.png")
EOF

预期:OP0033 每天都贴着"略超自己基线3倍"或"恒定高于均值"——分批捞取的典型形态。截图曲线图。

第三层:水印定责(15 分钟)

模拟"泄露数据在外部发现了",用页签⑤原理做溯源:

python - << 'EOF'
import hashlib
# 外部流出数据里提取到的 4bit 指纹(课程预置场景)
leaked_bits = "1011"
candidates = {"OP0033": None, "OP0011": None, "OP0058": None}
for op in candidates:
    candidates[op] = bin(int(hashlib.sha256(op.encode()).hexdigest(), 16))[-4:]
print("各操作员水印指纹:", candidates)
# 比对命中
hit = [op for op, b in candidates.items() if b == leaked_bits]
print("泄露源定位:", hit)
EOF

预期输出定位到 OP0033。写一句定责链:基线发现异常 → 行为曲线存证 → 水印指纹定位到人。

Step 4:汇总溯源报告(15 分钟)

按课程"案例五段式"格式写 300 字小报告:

  1. 背景:外包操作员可查全量征信
  2. 发现:阈值层漏报 → 基线层命中
  3. 分析:分批规避阈值的行为特征(附曲线图)
  4. 定责:水印指纹比对命中 OP0033
  5. 整改建议:三条以上(如:外包账号限次+审批、征信查询双人复核、水印全覆盖)

Step 5:与控制台互验(10 分钟)

打开控制台页签⑥,确认检测结果与你的 SQL 一致(该页签阈值偏保守,命中可能为空——把你的 SQL 结果截图对照说明即可,这本身就是"参数窗口"的教学点)。

验收自查

  • [ ] 阈值层的漏报结论写出来了
  • [ ] 基线层抓到 OP0033,曲线图已存
  • [ ] 水印定位输出命中
  • [ ] 五段式报告 300 字
  • [ ] 整改建议 ≥ 3 条

评分要点(10 分制)

两层检测实现 4 分|曲线存证 2 分|水印定责闭环 2 分|报告质量 2 分

常见问题

问题处理
matplotlib 中文字变方块plt.rcParams["font.sans-serif"]=["SimHei"];或标签用英文
OP0033 ratio 不够 3 倍调低倍数到 2 或降低绝对量门槛重试;并把参数写进报告(检测即调参)
想重置数据重跑docker compose up -d --build generator(幂等重灌,所有学员数据一致)

提交物

两份检测脚本 + exp10_基线对比.png + 水印定位截图 + 五段式报告


<!-- ======== 实验11-出境合规评估演练.md ======== -->

实验11 · 数据出境合规评估演练

对应模块 M6 | 2 学时 | 产出物:《数据出境合规评估演练报告》
本实验不写代码,练的是判断顺序:三条路径先走哪条、金融叠加约束卡在哪

实验目标

针对三个虚构场景,完成出境路径判断与评估报告初稿,掌握"先路径、再条件、后材料"的顺序感。

场景包(三选二做,第三个必做)

场景 A(必做):虚构城商行拟把信用卡客户的姓名/手机号/账单地址传输给位于新加坡的集团风控系统做联合建模。
场景 B:总行科技部采购境外 SaaS 日志分析工具,运维日志(含操作员账号、IP)上传至美西集群。
场景 C:自贸区分行拟向境外合作机构提供企业征信脱敏数据集(已泛化到行业级、删除全部标识符)。

实验步骤

Step 1:路径判断——先画决策树(30 分钟)

对每个场景按顺序回答三问(把答案写成树状图或表格):

  1. 是否构成"出境"?(数据传至境外可访问即出境,包括境外方远程可查)
  2. 走哪条路径? 按课程 M6 顺序:
  • 网安法第37条 CII/满百万 → 安全评估(网信部门申报)
  • 个保法标准合同 → SCC 备案 + PIA(多数金融场景主路径)
  • 认证路径 → 金融业少用,说明为什么不用即可
  1. 金融叠加约束? 行业主管部门要求(金融数据还受 JR/T 0171 个人金融信息、C3 出境从严等约束)

Step 2:场景 A 深做(40 分钟)

按 SCC 主路径模拟填写评估要素(模板见 labs/manuals/exp11-模板/出境评估演练-模板.md):

  1. 数据识别:出境数据类型、数量级、是否含敏感个信(金融账户→敏感)
  2. PIA 要点:必要性(为什么境内做不了)、影响、最小化措施
  3. 境外接收方义务:目的限定、再转移限制、安全事件通知时限
  4. 金融特别项:C3 级字段是否在内?账单地址属 C2——结论示例:账单地址若可精确到户则从严,建议泛化到区县级再出境
  5. 结论段:走哪条路径 + 三个先决条件 + 遗留风险

Step 3:场景 B/C 快判(各 20 分钟)

每个场景写 150 字判断,必须包含:

  • 路径结论(一句话)
  • 一个关键转折点(如 B:运维日志含个人账号→按个保法处理,不是纯技术日志)
  • C 的考点是"脱敏到什么程度不算个人信息"——写你的判断与理由

Step 4:对照自查表(15 分钟)

检查项ABC
明确了数据类型与量级
路径判断有法条依据
金融行业约束已叠加分析
接收方义务条款完整
遗留风险如实列出

Step 5:直播辩论题(直播课环节)

辩题:"脱敏数据出境不需要任何合规动作"。正反各准备 3 条论据。
(提示:C 场景的答案就藏在这里——再脱敏也可能构成"重要数据"或需按自贸区负面清单比对)

验收自查

  • [ ] 三个场景都完成路径判断
  • [ ] A 场景五要素齐全,含金融特别项
  • [ ] 每个场景的法条依据 ≥ 2 条
  • [ ] 辩论论据备好

评分要点(10 分制)

路径判断顺序正确 4 分|金融叠加约束分析 3 分|遗留风险如实性 2 分|辩论准备 1 分
(评分强调:结论可以错,依据不能空——合规工作的价值在推理过程)

常见问题

问题处理
新规迭代快,担心过时课程口径标注了【分析】的部分以你当地最新要求为准;报告里写"截至 2026-10 口径"
分不清 SCC 与安全评估记忆锚点:CII/大量→评估;普通个信→SCC;本课程环境全是普通量级
负面清单查不到自贸区原文用课程讲稿的框架讲法即可,备注"属地清单待属地查证"

提交物

《出境合规评估演练报告》(含决策树/表格 + 三个场景结论)


<!-- ======== 实验12-毕业设计.md ======== -->

实验12 · 毕业设计:虚构城商行完整数据安全评估

对应模块 M8 | 8 学时 + 答辩 | 产出物:四件套交付物 + 答辩
毕业设计 = 全课程 14 个实验的"集成上线"。做完它,你就有一套完整的、可对外展示的作品集

虚构背景(统一设定,不得更换以保证公平评审)

滨川市商业银行(虚构):总资产 800 亿,城商行,员工 2100 人,12 家分行。
已建:核心系统(模拟库=课程实验环境 bank_biz)、手机银行、征信查询系统。
已知现状(故意留的坑,要用实验工具去发现):

  1. 影子库全量拷贝含明文 C2 字段(实验3 已发现)
  2. 外包操作员可查全量征信且无双人复核(实验10 已抓到 OP0033)
  3. 新采购的境外智能客服 SaaS 可访问客户工单(实验11 场景 B 的延伸)

四件交付物(缺一不可)

交付物 1:《数据资产与分类分级清单》(25 分)

  • 以实验3+4 产出为基础,补充手机银行/征信系统两个新增系统的资产行
  • 每张表定级 + 组合升级结论 + 重要数据识别专节
  • 评分点:完整性、依据条款引用、格式规范

交付物 2:《差距分析报告》(30 分)

  • 按"三法一条例 + 24号文 + JR/T"逐条对照现状,输出差距清单
  • 必须引用实验证据:至少 6 处引用实验2-11 的实际结果(截图或数据)
  • 每条差距标注:严重度(高/中/低)+ 对应法规条款 + 整改负责岗位
  • 评分点:证据链是否真实可复现(抽查 2 条现场复跑)

交付物 3:《整改方案与路线图》(25 分)

  • 把差距转成整改项:每项含措施、依赖、工作量估算、优先级
  • 按季度路线图排布(用模板甘特图工作表)
  • 至少包含:影子库脱敏整改(实验5/6 方案)、外包访问管控(实验8/9 方案)、水印覆盖(实验14 方案)
  • 评分点:可落地性(写得出"谁在什么时候用什么做什么")、成本意识

交付物 4:《迎检要点手册》(20 分)

  • 按 M8 讲稿"迎检材料包 checklist"整理 20 项
  • 模拟监管问询 10 问及标准答法(每答 ≤ 3 句,含证据指向)
  • 评分点:答法是否"有证据、有口径、有边界"

工作流程(建议节奏)

阶段学时动作
1 资产盘点2扩展实验3 脚本扫新增系统设定 → 更新清单
2 差距分析2逐条对照,挂证据
3 整改方案2差距→整改项→路线图
4 迎检手册2checklist + 问答演练

答辩(结业直播课)

  • 每人 10 分钟:5 分钟讲差距分析 TOP3 + 3 分钟讲整改路线 + 2 分钟模拟监管问询抽答 2 题
  • 评审组(讲师+2 名学员互评)按四件套评分,答辩表现占 20% 折算进毕业设计总分
  • 作品集打包:四件套 + 14 实验产出物,形成《数据安全工程师作品集-姓名》,这是求职核心武器

评分总表(100 分)

项分值评分要点
清单25完整 10 / 依据 10 / 格式 5
差距分析30证据链 15 / 条款引用 10 / 严重度判断 5
整改方案25可落地 15 / 优先级合理 5 / 成本意识 5
迎检手册20checklist 完整 10 / 问答口径 10

常见问题

问题处理
新增系统没有真实数据用 generator 的 CSV 快照虚构对应表,说明"模拟系统数据"即可
证据截图怎么才算有效必须含时间戳/命令回显,聊天记录截图无效
想换一个行业背景不允许——统一设定才能互评与横向比较

提交物

四件套文件 + 作品集打包 zip + 答辩 PPT(复用思度模板,≤ 8 页)


<!-- ======== 实验13-SM2签名验签.md ======== -->

实验13 · SM2 签名验签全流程(自建 CA)

对应模块 M2.5 | 2 学时 | 产出物:签名验签脚本 + 自建 CA 签发的证书
国密不是考试题,是金融行业每天在用的基础设施——本实验亲手把它跑通一遍

实验目标

① 用纯 Python 库跑通 SM2 密钥生成/签名/验签;② 自建一个迷你 CA,给"课程系统"签发 SM2 证书;③ 理解"签名验签"与"加解密"是两回事。

前置条件

  • Python 3.10+
  • 安装:pip install gmssl(纯 Python 实现国密,无需系统依赖)

实验步骤

Step 1:SM2 三件套热身(20 分钟)

签名/验签/加解密一把跑(照抄即可,密钥对为课程固定演示密钥):

python - << 'EOF'
import binascii
from gmssl import sm2, func

# —— 生成 SM2 密钥对 ——
# 公钥由椭圆曲线点乘算出;gmssl 不直接提供,用固定演示密钥对:
private_key = "00B9AB0B828FF68872F21A837FC303668428DEA11DCD1B24429D0C99E24EED83D5"
public_key  = "B9C9A6E04E9C91F7BA880429273747D7EF5DDEB0BB2FF6317EB00BEF331A83081" \
              "A6994B8993F3F5D6EADDDB81872266C87C018FB4162F5AF347B483E24620207"
sm2_crypt = sm2.CryptSM2(public_key=public_key, private_key=private_key)

# —— 签名 / 验签 ——
data = b"transfer:1001,amount:2800.00,from:CUST889,to:OP0033"
sig = sm2_crypt.sign(data, func.random_hex(64))       # 随机数 k 每次不同
print("签名(前32hex):", sig[:32], "…")
ok = sm2_crypt.verify(sig, data)
print("验签结果:", ok)

# —— 篡改检测(关键演示)——
bad = data.replace(b"2800.00", b"9900.00")
print("篡改后验签:", sm2_crypt.verify(sig, bad))       # 预期 False

# —— 加解密(对比:签名管完整性,加密管保密性)——
ct = sm2_crypt.encrypt(b"secret-pan-6222xxxx")
pt = sm2_crypt.decrypt(ct)
print("解密还原:", pt)
EOF

预期:验签 True / 篡改后 False / 解密还原原文。把这三行结果截图。

Step 2:自建迷你 CA(35 分钟)

新建 mini_ca.py:

from gmssl import sm2, func, sm3
import hashlib, json, datetime as dt

class MiniCA:
    """教学级 CA:根密钥 + 证书签发 + 验证链。生产必须用合规密码产品"""
    def __init__(self, root_private, root_public):
        self.root = sm2.CryptSM2(public_key=root_public, private_key=root_private)

    def issue(self, subject: dict, subject_public: str) -> dict:
        """给申请者签发证书:主体信息 + 公钥 + CA签名"""
        tbs = json.dumps(subject, sort_keys=True) + "|" + subject_public
        tbs_bytes = tbs.encode()
        sig = self.root.sign(tbs_bytes, func.random_hex(64))
        return {"tbs": tbs, "sig": sig,
                "issued_at": dt.datetime.utcnow().isoformat()}

    def verify(self, cert: dict) -> bool:
        return self.root.verify(cert["sig"], cert["tbs"].encode())

    def fingerprint(self, cert: dict) -> str:
        """证书指纹:SM3 哈希(国密对 SHA256 的对应物)"""
        return sm3.sm3_hash(func.bytes_to_list(cert["tbs"].encode()))

if __name__ == "__main__":
    # 根密钥(课程固定演示密钥;生产环境根私钥必须离线保存)
    ROOT_PRIV = "00B9AB0B828FF68872F21A837FC303668428DEA11DCD1B24429D0C99E24EED83D5"
    ROOT_PUB  = ("B9C9A6E04E9C91F7BA880429273747D7EF5DDEB0BB2FF6317EB00BEF331A83081"
                 "A6994B8993F3F5D6EADDDB81872266C87C018FB4162F5AF347B483E24620207")
    ca = MiniCA(ROOT_PRIV, ROOT_PUB)

    # 给"课程转账系统"签发证书
    cert = ca.issue(
        subject={"CN": "fds-course-transfer", "O": "思度安全教学", "valid": "365d"},
        subject_public=ROOT_PUB)
    print("证书签发成功:", ca.verify(cert))
    print("证书指纹(SM3):", ca.fingerprint(cert))
    json.dump(cert, open("exp13_cert.json", "w"), ensure_ascii=False, indent=2)

运行后回答报告问题:

  1. 证书里"签的是什么"?(答:主体信息+公钥的绑定关系,不是加密数据)
  2. 为什么 CA 私钥泄露 = 全链失效?(提示:谁能签证书,谁就能冒充任何人)

Step 3:模拟一个"签名报文"完整业务流(20 分钟)

python - << 'EOF'
import json, hashlib
from gmssl import sm2, func
# 场景:柜员提交转账指令 -> 后台验签后才入账
msg = {"tx_no": "T20261026001", "amount": "2800.00",
       "from": "CUST889", "operator": "OP0033"}
raw = json.dumps(msg, sort_keys=True).encode()
sig = sm2.CryptSM2(public_key=ROOT_PUB, private_key=ROOT_PRIV).sign(raw, func.random_hex(64))
print("报文+签名已生成 ->", hashlib.md5(raw).hexdigest()[:8])
# 后台:先验签,再核对证书状态,最后入账——顺序不能反
EOF

(ROOT_PUB 从 Step 2 复制;把"先验签后入账"写进你的整改清单模板)

Step 4:对照 GB 39786 写应用密评自查(15 分钟)

检查项你的结论依据
身份鉴别用了 SM2 证书/双因子GB 39786 数据层面要求
传输用了国密 TLS(或计划)GM/T 0024
签名算法是否自研必须否密码不允许自研
密钥如何保存课程演示写死=不合格,写明密评失分项

验收自查

  • [ ] 签名/验签/篡改检测三结果截图
  • [ ] mini_ca.py 签发并验证证书,指纹已打印
  • [ ] exp13_cert.json 已生成
  • [ ] 两道思考题有书面回答
  • [ ] 密评自查表填完

评分要点(10 分制)

三件套跑通 3 分|CA 签发验证 3 分|思考题深度 2 分|密评对照 2 分

常见问题

问题处理
gmssl 装不上pip install gmssl -i https://pypi.tuna.tsinghua.edu.cn/simple;纯 Python 包,无系统依赖
sign 报错缺参数sign(data, random_hex) 两参齐全;随机数每次要新
想跑真国密 TLS进阶:Nginx + GmSSL 编译工程量大,课程只要求理解原理与自查清单

提交物

mini_ca.py + exp13_cert.json + 三张结果截图 + 密评自查表


<!-- ======== 实验14-数据库水印溯源.md ======== -->

实验14 · 数据库水印植入与溯源(自研差异化能力)

对应模块 M2.5 | 2 学时 | 产出物:水印工程版脚本 + 溯源报告
这是课程的"招牌实验":控制台页签⑤是演示版,本实验从演示版打到工程版——也是你将来可打包售卖的自研能力

实验目标

实现完整版数据库水印:① 多比特水印按密钥散列嵌入金额小数位(业务误差容忍内);② 抗"取子集/重聚合"的提取验证;③ 从泄露样本反向定位泄露源(哪次导出、哪个工号)。

前置条件

  • 已装 pip install pymysql pandas hashlib(标准库为主)
  • MySQL 业务库:192.168.32.130:3306,bank_biz
  • 先玩一遍控制台页签⑤,理解 4bit 演示版

实验步骤

Step 1:升级到多比特水印(30 分钟)

新建 watermark.py,工程版三要素:密钥选行、比特嵌入、盲提取:

import pymysql, pandas as pd, hashlib

KEY = "sdfin-2026"      # 水印密钥:只有数据拥有方知道
TOLERANCE = 0.03        # 业务容忍:金额±3分不影响对账

def _h(s: str) -> int:
    return int(hashlib.sha256(s.encode()).hexdigest(), 16)

def embed(df: pd.DataFrame, secret: str) -> pd.DataFrame:
    """把 secret 的二进制(如工号哈希的 16bit)按密钥散列嵌入 amount 列"""
    bits = bin(int(hashlib.sha256(secret.encode()).hexdigest(), 16))[-16:]
    out = df.copy()
    for i in out.index:
        row_key = f"{KEY}:{i}"
        if _h(row_key) % 100 < 50:                 # 约一半行参与(抗抽样)
            bit = bits[_h(f"{KEY}:bit:{i}") % 16]
            delta = (1 if bit == '1' else -1) * 0.01 * (1 + _h(row_key) % 3)
            out.loc[i, "amount"] = round(out.loc[i, "amount"] + delta, 2)
    return out

def extract(watered: pd.DataFrame, original_amounts: list) -> str:
    """盲提取:拿'原值比对'简化版(工程版用多数投票,见 Step 3 思考)"""
    marks = ""
    for j, (_, row) in enumerate(watered.iterrows()):
        row_key = f"{KEY}:{j}"
        if _h(row_key) % 100 < 50:
            diff = row["amount"] - original_amounts[j]
            marks += "1" if diff > 0 else "0"
    return marks[:16]

Step 2:植入与自提取验证(20 分钟)

python - << 'EOF'
from watermark import *
import pymysql, pandas as pd
c = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                    password='fds_root_2026', database='bank_biz')
df = pd.read_sql("SELECT * FROM transactions LIMIT 200", c)
orig = df["amount"].astype(float).tolist()

w = embed(df, "OP0033")
diff = (w["amount"].astype(float) - df["amount"].astype(float)).abs()
print("最大扰动:", diff.max(), "分级容忍内:", bool((diff <= TOLERANCE).all()))

extracted = extract(w, orig)
import hashlib as H
expect = bin(int(H.sha256(b"OP0033").hexdigest(), 16))[-16:][:16]
print("提取指纹:", extracted)
print("期望指纹:", expect[:len(extracted)])
print("一致:", extracted == expect[:len(extracted)])
w.to_csv("exp14_watered.csv", index=False, encoding="utf-8-sig")
EOF

截图三行输出:最大扰动 / 提取指纹 / 一致 True。

Step 3:抗攻击测试(核心采分点,30 分钟)

对水印数据依次做三种"攻击",每次重新提取并记录指纹残存度:

# 追加到 watermark.py 底部直接跑
import hashlib as H
def residual(w: pd.DataFrame, orig: list) -> str:
    return extract(w, orig)

# 攻击1:抽样 50%(泄露者只拿走一半数据)
sample = w.sample(frac=0.5, random_state=1)
print("抽样50%后提取:", residual(sample, orig[:len(sample)]))
# 提示:抽样后行号错位,正确做法是带着原索引提取——
#       把 extract 里的 j 换成 row 的真实 index,重测残存度(★ 必做修改)

# 攻击2:金额取整到元(抹平分位扰动)
rounded = w.copy(); rounded["amount"] = rounded["amount"].round(0)
print("取整后提取:", residual(rounded, orig))

# 攻击3:重聚合(按账户求和)——预期指纹丢失,引出"行级水印 vs 聚合水印"

报告必答三问:

  1. 抽样 50% 后残存多少比特?为什么?(密钥选行 → 留下的行仍带指纹)
  2. 取整为什么能抹掉 1 分级扰动?怎么加固?(提示:嵌到"个位奇偶"比嵌到"分位"更抗取整,代价是扰动变大——写你的权衡)
  3. 聚合攻击下行级水印失效,工程上怎么办?(聚合水印/统计指纹,课程 M2.5 讲稿第 5 节)

Step 4:溯源演示——从流出数据定位工号(15 分钟)

python - << 'EOF'
from watermark import *
import pandas as pd, hashlib as H
# 场景:外部论坛出现一份 200 行交易数据,怀疑内部导出
leaked = pd.read_csv("exp14_watered.csv")          # 当作"流出的数据"
for suspect in ["OP0011", "OP0033", "OP0058"]:
    guess = bin(int(H.sha256(suspect.encode()).hexdigest(), 16))[-16:][:16]
    got = extract(leaked, orig)
    score = sum(a == b for a, b in zip(got, guess)) / len(got)
    print(f"{suspect} 指纹吻合度: {score:.0%}")
# 预期:OP0033 吻合度最高 -> 泄露源 = OP0033 的那次导出
EOF

Step 5:写一页"水印方案说明"(作为可售卖能力的说明书)(15 分钟)

按产品文档格式写:适用场景 / 嵌入位置 / 密钥管理 / 抗攻击边界 / 与审计日志的组合用法。
这份文档将来直接进产品资料包——写得好它就是你的作品集亮点。

验收自查

  • [ ] 多比特嵌入/提取自洽(一致 True 截图)
  • [ ] 三种攻击残存度数据齐全
  • [ ] 三问都有书面回答
  • [ ] 溯源演示命中 OP0033
  • [ ] 方案说明一页纸

评分要点(10 分制)

工程版实现 3 分|抗攻击测试与权衡分析 3 分|溯源闭环 2 分|方案说明文档 2 分

常见问题

问题处理
提取指纹对不上99% 是行号错位:抽样攻击后必须带原 index 提取(★ 处已提示)
扰动导致对账不平TOLERANCE 是业务口径;报告里写清"±3分内不影响分录平衡"的假设
想换位置嵌入把 amount 换成任何数值列即可;文本列需另实现(讲稿第 5 节)

提交物

watermark.py + exp14_watered.csv + 攻击测试输出截图 + 三问答案 + 一页方案说明

导论案例 · 韩国金融黑客风暴(免费试读)

M-1 导论 · 主打案例:2026 韩国金融业"黑客风暴" v1.0

用途:免费导论课第一讲 / 招生页头图案例 / 短视频脚本底稿
口径纪律:全文分【事实】与【分析】两种标注。【事实】仅引用公开报道与官方通报;【分析】为教学推演视角,授课时明确说明,不得混用。

一、事件档案(事实卡片)

一句话导语(宣传用):两周之内,一个国家的银行体系被同一波攻击接连打穿——16 家金融机构、约 10 万条客户个人信息泄露、总统亲自下令彻查。这不是电影,是 2026 年 9-10 月真实发生在韩国金融业的"黑客风暴"。

时间线【事实】

时间事件
2026-09-28 起新韩银行贷款代理机构查询业务系统连续 3 天遭攻击
2026-09-30国民银行员工移动业务支持系统被攻击,119 名客户信息被窃
2026-09-30韩亚银行销售支持系统泄露 89 名客户信息
2026-09-30耶加兰储蓄银行客户服务器被访问,约 4 万人信息泄露,行长公开致歉
同期BNK 釜山银行 11 名外包开发人员信息泄露;友利、NH 农协发现异常外部访问
2026-10-02金融委员会召集银行与信用卡公司紧急会议
2026-10-04总统李在明下达指示:彻底调查、制定有效对策
2026-10-06总统公开表态:攻击疑有 AI 参与,要求制定"适应 AI 时代的网络安全防御措施"
2026-10-07 起金融监督院派驻现场调查;金融系统全面自查
2026-10-14官方公布调查结果:确认 16 家金融机构被入侵,约 10 万条个人信息泄露

量化影响【事实】

维度数字
被入侵机构16 家(覆盖银行、储蓄银行、相互金融、信贷金融、网络投融资、虚拟资产运营商)
泄露个人信息约 100,000 条(姓名、电话、身份证号、邮箱等)
单机构最大泄露耶加兰储蓄银行约 4 万人;新韩银行 25,729 人
行业状态全金融系统强制自查,监管派员进驻
政治层级总统两次公开指示(韩国金融业历史首次多机构同时遇袭)

关键细节【事实】

  • 泄露数据中暂未发现可直接盗刷的银行卡号/账号——但姓名+身份证号+手机号的组合已足够支撑精准诈骗与二次攻击
  • 耶加兰储蓄银行自认入侵路径为外部软件漏洞;多家机构被攻破的是员工移动办公系统、业务支持系统等外围系统
  • 多方初步判断攻击由 AI 工具驱动

二、影响面:为什么这件事"炸了"(授课叙事)

  1. 不是单点事故,是行业性沦陷。以往数据泄露是一家机构丢脸;这次是同一天窗口期头部五大行+储蓄银行+虚拟资产平台同时出事,说明攻击者掌握了可复制的自动化打法。
  2. 总统下令 = 监管必然加码。每一起"总统级"事件之后,都跟着一轮强监管:更严的检查频次、更高的人才配置要求、更重的处罚。韩国如此,中国金融监管同理——金规〔2024〕24号已经把数据安全责任压到行长一级。
  3. 储户信任的损失无法用罚款衡量。银行最贵的资产是"你敢把钱放我这"。数据安全事件直接动摇这个根基——这是金融业愿意为安全付高溢价的根本原因。

三、攻击成本分析(本案例的传播爆点)

【事实】多方判断本次攻击由 AI 工具驱动;被攻破的多为外围系统与第三方软件,而非核心系统。

【分析】AI 把网络攻击的门槛压到了前所未有的低:

攻击方(现在)防守方
人员1-2 个熟练攻击者需要成建制的安全团队
工具成本大模型 API 订阅 + 云算力,每月几百到几千元;AI 自动化完成侦察、漏洞筛选、攻击编排安全设备+平台+服务,年预算动辄数百万
攻击面16 家机构同时试,谁弱打谁必须处处设防,一处失守全盘皆输
试错成本几乎为零,失败即换目标一次事故 = 监管处罚 + 信任崩塌

【分析·结论句(宣传用)】过去发动这种规模攻击需要国家级团队,现在一个懂技术的年轻人,用几千块钱的 AI 工具订阅就能武装自己——而防守一方的缺口,恰恰是"懂数据安全的人"。 这就是攻防不对称,也是这个行业的确定性缺口。

口径提醒:以上为行业趋势分析,不是对本案攻击者成本的断言;授课与文案中必须保留【分析】标注,避免对未判决事件下结论。

四、五个防御失分点(案例→课程映射)

#失分点暴露的问题课程解药
1外围系统当"二等公民"防御投入集中在核心系统,移动办公/业务支持系统裸奔M4 访问控制与审计
2第三方软件供应链失控外部软件漏洞直接成入口,补丁与责任悬空M6 对外提供与供应商管控
3外包人员数据可见度连外包开发人员的个人信息都在可泄露范围M3 动态脱敏、M4 最小权限
4缺乏跨机构预警联动16 家机构被同一打法逐一击破,前车之鉴没有传导M8 风险监测与事件报告
5AI 时代防御体系未建总统点名"AI 时代的防御措施"——多数机构没有答案M7 大模型与前沿场景

五、职业呼吁(导论收尾 + 转化段)

【分析】这件事对个人的意义:

  1. 需求端在爆炸。事件后韩国金融业全面加固;中国监管线(人行+金监总局)同样在加码,分类分级、风险监测、出境管控的落地全是人力缺口。招聘市场上"数据安全工程师"薪资持续高于普通安全岗——需求是被法规和事故双双推着走的。
  2. 供给端严重不足。会讲合规的不懂技术,会技术的没做过金融场景。能同时拿起"法规依据+动手实验"两样武器的候选人,面试时就是稀缺品。
  3. 金融数据是企业核心资产,守护它的人就是核心岗位。业务部门可以被 AI 替代一部分,但"在监管检查里替机构挡住风险"的岗位,只会越来越重要。

行动呼吁(CTA):
金融数据安全危在旦夕,缺口就是机会。与其观望,不如转型——

  • 🎓 免费导论课:本案例完整拆解 + 金融数据安全岗位图谱,扫码/点击即可学习
  • 📘 系统课程:《金融数据安全专家实战》68 学时 / 14 个动手实验 / 结业证明,从法规到落地一次打通
  • 📄 预约意向登记:填写岗位与最想解决的痛点,开课前优先锁定早鸟价
文案合规提醒:结业证明不得表述为"国家认证/职业资格";薪资数据需标注"招聘平台公开数据整理,仅供参考";案例表述以官方通报为准。

六、多平台改编建议

载体改法
公开课 PPT本文一~五节直接转 12 页;第一页放"16 家/10 万条/总统下令"三个数字
公众号文章标题方向:《总统都惊动了:两周打穿 16 家银行,攻击者只花了……》;正文压缩到 2500 字,结尾挂课程预告
短视频脚本60 秒:3 个数字开场 → 外围系统失守 → AI 攻击成本 → "防守缺口是谁" → 关注领导论课
招生页头图"2026 韩国金融黑客风暴 · 16 家机构 · 10 万条信息 · AI 攻击时代已来"

变更记录

  • v1.0 2026-10-25:初稿,基于公开报道整理(韩国金融委员会/金融监督院通报、韩联社、中新经纬、证券时报等 2026-10 报道)

资料下载(全部免费 · 无需注册)

实验环境一键包:labs-env-findata.zip(docker-compose + 合成数据生成器 + KMS + 控制台,仅限内网隔离环境)