当前，数据作为最重要、最有价值的生产要素之一，已经成为组织机构最核心的资产。为激活数据要素价值，数据分发共享、委托处理的场景和范围日益增加，数据面临的泄露、窃取等风险也日趋严峻。数据水印作为一种保障数据安全的重要技术手段，可以在数据遭到泄露、窃取后，通过提取水印信息，证明数据的所有权，并定位泄露源头进而实现溯源追责。
水印技术分为明水印和暗水印。明水印是将水印信息（员工姓名、员工号、时间、公司名称或logo等信息）覆盖在保护目标之上，可被肉眼观察到的水印，可应用于前端页面敏感数据的展示、桌面水印和打印水印等方面，起到警示和震慑作用。暗水印是将水印信息（数据所有者版权信息、分发单位名称、接收单位名称、分发时间、数据用途、员工姓名、员工号等信息）隐藏在载体数据中，不易被肉眼观察到的水印，可应用于结构化和非结构化数据的分发共享、票务防伪、隐蔽通信等场景，起到溯源追责、数据确权（版权保护）等作用。数据水印是一种暗水印。本文分析和探讨了数据水印的嵌入和溯源过程、常见技术方法、场景应用等方面。
JR/T 0223—2021《金融数据安全 数据生命周期安全规范》中定义数据水印是指从原始环境向目标环境进行敏感数据交换时，通过一定的方法向数据中植入水印标记，从而使数据具有可识别分发者、分发对象、分发时间、分发目的等因素，同时保留目标环境业务所需的数据特性或内容的数据处理过程。
定义中所指的‘水印标记’即上文提到的水印信息。植入水印信息的数据不仅可识别分发者（可证明数据所有权）、分发对象（可追溯数据泄露责任方）、分发时间、分发目的等因素，还具有可证明真伪（如票务防伪）等能力。此外，添加水印信息的数据不影响目标环境业务使用。
1)鲁棒性：含水印信息的数据遭到恶意攻击后，数据所有方仍可以完整提取出水印信息；
2)完整性（高仿真、低污染、透明性）：嵌入水印信息的过程中，无需修改源数据，保证源数据的完整性；
3)安全性：在未知水印溯源参数的情况下，攻击者很难对嵌入的水印信息进行伪造和修改；
4)可检测性：可通过水印溯源算法从嵌入水印信息的数据中提取水印；
5)可逆性：嵌入水印信息的数据可通过专业工具去除水印，且不会对源数据造成破坏。
数据水印实现形式一般有如下几种：
1)数据库水印，即原始数据库与添加水印后的数据库类型一致。数据水印系统支持的数据库类型一般有Oracle、MySQL、SQLServer等关系型数据库，hadoop、hive 等大数据和组件，达梦等国产数据库；
2)非结构化数据水印或文件水印，即对文件、图像、视频等添加水印。数据水印系统支持的文件类型一般有txt、csv等；
3)异构水印，包含异库水印（即原始数据库与添加水印后的数据库类型不一致，如Oracle到MySQL）、文件到数据库水印、数据库到文件水印。
数据水印作为一种保障数据安全的重要技术手段，在各行业得到了普遍重视和应用，当前已在电信、金融、政务等行业和地方标准中被广泛提及。
1)《电信网和互联网数据水印技术要求与测试方法》（报批稿）
该标准适用于电信网和互联网数据的水印，给出了数据水印技术应用架构，总结了水印嵌入和水印溯源过程，并提出了数据水印的效果评估原则。
2)《JRT 0223-2021 金融数据安全 数据生命周期安全规范》
3)《DB11/T 2049-2022 政务大数据安全技术框架》（北京市地方标准）
1)普通空格（U+0020），最常用的空格，在英文输入法（或中文输入法半角状态）下由键盘空格键直接输出；
2)不间断空格（U+00A0， ），html里比较常见的空格，当存在多个空格时，可以禁止浏览器合并空格；
3)零宽空格（U+200B），不占位，广泛适用于富文本编辑器中，用于格式阻断；
4)全宽空格（U+3000），与一个汉字同宽；
5)半宽空格（U+2002），常用于对齐的目的，如将三个汉字和四个汉字的两边对齐；
6)发宽空格（U+200A），像头发一样窄，常用于Mac电脑中。
借助以上空格，可以将二进制水印比特位1和0嵌入到文件数据中，如‘U+0020’代表1，‘U+200B’代表0，每隔一个字符或文字插入一个代表1或0的空格，完成水印的嵌入过程，如图1所示。
图1 空格水印算法数据水印嵌入示意图
1)将原始载体图像的像素值由十进制转换成二进制；
2)用二进制水印比特位的1和0替换目标载体图像的最低比特位；
3)将含有水印信息的二进制数据转换为十进制像素值，从而得到含水印信息的图像。
图2 最低比特位水印算法数据水印嵌入示意图
1)人为在数据库表中添加若干行，每个字段按源数据形式填充内容；
2)选择带有数字的字段（如身份证号码、电话号码、金额等）嵌入水印信息。
图3 伪行水印技术构造伪行示意图
1)从属性列资源库中选择与原有属性列相关联的属性进行添加，如客户消费记录表包含‘账单编号’、‘消费时间’、‘消费金额’三个属性列，则选择‘支付方式’比选择‘工作单位’隐蔽性更好；
2)向构造的伪列中嵌入水印信息。
数据对外分发共享包括向合作方、外包方等第三方分发共享以及向行业主管部门进行数据共享等场景。向第三方共享数据场景下，可能存在数据接收方转卖数据、开发利用数据进而获取利益等行为，严重损害组织机构利益，此种情况下如何证明对数据的所有权？此外，同一份数据往往涉及多个数据接收方，如果其中一方由于安全失责导致了数据泄露，如何进行溯源追责？
为降低数据分发共享场景中的数据安全风险，可以在管理手段（合同协议、审批授权等）的基础上，根据数据的安全级别采用数据水印、脱敏等技术手段，降低数据泄露风险，保障数据的机密性。当发生数据泄露时，可借助数据水印技术实现数据确权和溯源追责。
场景二：内部人员数据泄露场景中的溯源追责
2023年数据泄露调查报告显示，人为因素是数据泄露的主要原因，且五分之一的数据泄露来自于内部员工。组织机构内部可能存在因员工的设备遭受木马、病毒攻击而导致数据无意泄露，或恶意员工将下载的数据文件上传至互联网、非法下载数据售卖给第三方等故意泄露行为。
为降低组织机构数据泄露风险，可以在管理手段（数据安全意识培训、合同约束等）的基础上，采用权限管理、访问控制、下载文件时添加数据水印等技术手段，降低数据泄露风险，保障数据的机密性。当发生数据泄露时，可借助数据水印技术实现溯源追责。
场景三：电子商务中的票务防伪
随着互联网技术、现代交通的快速发展和智能手机的普及，电子商务已经触及我们日常生活的方方面面，并伴随着电子票据的大量流通和使用。非法牟利者可利用技术手段伪造电子票据，从而获得可观利益。
为降低电子票据被伪造风险，可以采用数据水印技术在电子票据中嵌入防伪信息，票据验证方通过扫描电子票据是否含有防伪信息而证实其真伪。
场景四：利用公共网络进行隐蔽通信
当前，人们交流的方式主要为网络通信，如何利用公共网络安全传输信息是关键。发送方利用加密算法传递信息时，由于加密后的数据混乱无序，极易引起网络攻击者的注意。攻击者截获加密的信息后，如破解成功并进行篡改后再发送至接收方，可损害信息的机密性和完整性，严重危害通信双方的权益。利用数据水印的隐蔽性特点，发送方可将要传递的信息隐藏在音视频等多媒体载体中，从而实现隐蔽通信。
利用数据水印技术的隐蔽性特点，发送方可将信息隐藏在音视频等多媒体中，从而实现隐蔽通信。
场景五：网络数据分级标识及管理
数据安全分类分级是开展数据差异化保护的基础。当前，很多企业的数据安全分类分级成果停留在文档清单的程度，很难结合数据的安全级别落地差异化的技术保护手段，数据在存储、传输、使用等处理活动中，仍然存在敏感数据泄露等风险。
为落地不同安全级别数据的差异化技术保护手段，可将数据的安全级别（如电信行业划分为一级、二级、三级、四级共4个安全级别）作为水印信息，嵌入到源数据中，以实现对数据进行安全级别标识。当含有水印信息的数据通过网关等安全产品时，水印信息被提取，从而获得源数据的安全级别，进而根据安全级别触发差异化的防护手段，如允许非敏感数据（如前文所述的一级和二级数据）外发，拦截敏感数据（如前文所述的三级和四级数据）外发等。
数据水印应用包含水印嵌入和水印溯源两个过程。水印嵌入即利用水印添加算法将预处理（如加密、添加校验位等）的水印信息嵌入到数据库表数据、非结构化数据的过程。水印溯源即利用水印溯源算法从数据库表数据、非结构化数据提取预处理的水印信息，进而逆处理（如解密、验证校验位等）得到原始水印信息的过程。
数据水印嵌入流程如图5所示。
图5 数据水印嵌入示意图
1)数据分发单位将数据库或非结构化数据接入数据水印系统，建议将敏感数据的下载过程也接入数据水印系统；
2)创建水印信息：如数据水印的目的是数据确权，水印信息为数据所有单位的版权信息；如数据水印的目的是溯源追责，水印信息可包含分发单位名称、接收单位名称、分发时间、数据用途等信息；或者组合以上信息，同时用于数据确权和溯源追责，解决场景一的安全风险；内部人员下载敏感数据时添加的水印信息是员工姓名、员工号、下载时间、单位名称等信息，解决场景二的安全风险；票务防伪场景下添加的水印信息是防伪信息，解决场景三的安全风险；隐蔽通信场景下添加的水印信息是待传递的秘密信息，解决场景四的安全风险；网络数据分级标识及管理场景中添加的水印信息是数据的安全级别，以落地场景五的网络数据差异化技术保护。水印信息内容确定后，继续选择水印算法，文本水印一般基于不可见字符水印算法、空格水印算法，图像水印一般基于最低比特位水印算法，数据库水印一般采用伪行或伪列水印算法；
3)创建水印任务：根据数据接收方的需求选择数据水印载体（如数据库同库水印、非结构化数据水印、异构水印等），并关联水印信息；
4)运行水印任务：数据水印系统预处理水印信息，预处理源数据（如对数据库表的元组或属性列进行排序以防止排序攻击，同时通过遗传算法、萤火虫算法等确定添加水印的最佳位置），并通过水印嵌入算法，向数据载体添加水印。
完成水印信息嵌入后，数据分发方将数据载体发送至数据接收方，此过程需同时采用身份鉴别、脱敏、传输加密、日志记录等技术手段。
数据水印溯源流程如图6至图9所示。
1)数据所有单位或分发单位将疑似泄露数据接入数据水印系统。票务防伪场景下，电子票据的验证方将电子票据接入数据水印系统；隐蔽通信场景下，数据接收方将水印数据接入数据水印系统；网络数据分级标识及管理场景下，网关等安全产品调用或集成数据水印系统，以实现水印信息提取；
2)水印溯源：数据水印系统识别数据载体的水印位置并提取预处理的水印信息，进而逆处理提取出水印信息。
数据所有单位通过提取水印信息（数据所有单位版权信息）证明其对数据的所有权，数据分发单位通过提取水印信息（分发单位名称、接收单位名称、分发时间、数据用途等）定位数据泄露的责任主体，如图6所示，以上两方面可实现场景一下的数据确权和溯源追责。数据所有单位通过提取水印信息（员工姓名、员工号、下载时间、单位名称等）定位数据泄露的内部员工，如图6所示，从而实现场景二下的溯源追责。
图6 对外分发共享和内部人员泄露场景下的数据水印溯源示意图
电子票据的验证方通过提取水印信息（防伪信息）验证电子票据的真伪，如图7所示，从而实现场景三下的票务防伪。
图7 票务防伪场景下的数据水印溯源示意图
数据接收方通过提取水印信息获取秘密信息，如图8所示，从而实现场景四下的隐蔽通信。
图8 隐蔽通信场景下的数据水印溯源示意图
数据通过网关等安全产品时，通过提取水印信息，获得源数据的安全级别，进而根据安全级别触发差异化的防护手段，如图9所示，从而实现场景五下的网络数据标识及管理。
图9 网络数据分级标识及管理场景下的数据水印溯源示意图
当前，数据水印作为重要的数据安全技术手段和数据共享流通中的“追踪器”，将助力企业实现数据确权和溯源追责。
但数据水印技术尚未成熟，仍存在诸多技术短板：面向多单位分发数据时便捷性差；水印算法抗攻击能力低，常见的数据库攻击有子集添加攻击、修改攻击、删除攻击、排序攻击、混合攻击等；针对短小文本或数据库表的元组数少的情况，如何在水印嵌入容量（增大嵌入容量可提高鲁棒性）和隐蔽性之间寻找平衡；各安全厂商数据水印算法各异，仅依赖算法保密性来保障安全性等等。诸多的技术短板亟需业内人士予以关注和技术攻关。
转载自：数据安全共同体计划
浙公网安备 33010502006954号 
