数据脱敏可应用于哪些场景中？

数据脱敏的应用场景主要分为技术场景和业务场景。

1.技术场景

开发测 试应用 场景

金融行业开发使用的业务系统中存在大量的客 户敏感信息，如姓名、年龄、手机号码、银行卡 号码、地址、工作信息等，在系统建设前期，往 往需要使用上述信息进行开发测试，此时需要使 用脱敏技术来保证客户敏感信息不被泄露。

数据分 享应用 场景

数据分享应用场景在一些特定需求下，部分隐私 数据需要提供给其他机构或企业，但对其他隐私 数据可进行抑制、扰乱等操作。

数据科 学研究 应用场 景

数据科学研究应用场景，其主要目的是通过数据 进行研究，因此需要保留数据本身的一些特征。 研究时需要保留的数据特征可能是用户的年龄 信息、性别信息、地区信息、行为记录等。但不 需要保证保留用户身份信息和全部的敏感字段， 只需要保留研究所必需的内容即可。

生产应 用场景

 生产场景主要指各类业务场景，当涉及访问敏感 数据时，需要对部分敏感数据做脱敏，这种场景 下往往采用掩码屏蔽的方式对数据进行脱敏。

数据交 换应用 场景

数据交换场景主要是通过 API 接口方式向特定平 台提供数据，与生产应用场景相比，数据请求时 会附带用户信息，需要对部分用户信息进行脱 敏。

运维应 用场景

运维人员需要对数据库进行监控、维护，但对内 部数据是不需要进行了解的，对于高敏感的数据 采取脱敏的措施。

2.业务场景

精准 营销

融合金融业务数据和外部可信数据，借助大数据 技术构建金融个人客户画像（人口统计学特征、 消费能力数据、兴趣数据、风险偏好等）和企业 客户画像（企业的生产、流通、运营、财务、销 售和客户数据、相关产业链上下游等数据），并 有效地开展精准营销，包括根据客户的实时状态 来进行营销；不同业务或产品的交叉推荐；根据 客户的喜欢进行服务或者产品进行个性化推荐 等。这类大数据应用前台一般采用掩码屏蔽的方 式对数据进行脱敏，后台一般采用干扰等方式对 数据进行脱敏。

骗保 识别

借助大数据手段，保险企业可结合内部、第三方 和社交媒体数据进行早期异常值检测，包括了客 户的健康状况、财产状况、理赔记录等，通过建 设保险欺诈识别模型，大规模的识别近年来发生 的所有赔付事件，并及时采取干预措施，减少先 期赔付，显著提升骗保识别的准确性与及时性， 这类大数据应用前台一般采用掩码屏蔽的方式 对数据进行脱敏，后台一般采用干扰等方式对数 据进行脱敏。

风控 管理

基于企业内外部交易和历史数据，利用客户基本 信息、账号基本信息、交易历史、客户历史行为 模式、正在发生行为模式等，结合智能规则引擎， 实时或准实时预测和分析欺诈等非法行为，主要 用于信贷业务和欺诈防范，并与目前的征信建设 相结合，如商户评分模型及审批规则、行业风险 识别模型、人民银行征信报告评分模型、个人信 用分析模型、风险客户预警模型、贷后实时监控 模型、反欺诈模型等。这类大数据应用前台一般 采用掩码屏蔽的方式对数据进行脱敏，后台一般 采用干扰等方式对数据进行脱敏。

智能 投顾

基于客户的风险偏好、海量个人投资者真实投资 交易信息的深入挖掘分析、交易行为分析，依靠 大数据量化模型，洞悉交易个人投资者交易行为 的变化、投资信心的状态与发展趋势、对市场的 预期以及当前的风险偏好等信息，给客户更高的 投资方案和投资产品推荐等投资顾问服务。这类 大数据应用前台一般采用掩码屏蔽的方式对数 据进行脱敏，后台一般采用干扰等方式对数据进 行脱敏。