数据访问控制的未来

全文约4000字 阅读约8分钟

数据访问控制是零信任的最后环节和终极目标。基于零信任的数据访问控制，已经成为数据安全保护和治理的新方法。

但是，对于数据访问控制的实施问题，企业客户却不得不面对几种选择：

1）基于数据存储原生控制的方法：是指利用数据存储的原生控制能力，来构建自己需要的数据访问控制。企业客户可以自己动手构建DIY(自己动手)解决方案，也可以花钱购买数据访问编排解决方案。但都无法摆脱数据存储原生控制存在可观察性不足的问题。

2）基于数据访问代理的方法：通过在数据消费者(用户/应用程序)和数据存储之间建立独立的数据访问层，将访问控制与数据存储基础设施分离。这是目前主流的商用数据访问平台采用的方式，也是当前最被看好的数据访问控制方法。但传统的数据库代理技术主要用于南北向的流量控制，且难以适应于云原生微服务环境。

3）基于数据层边车的方法：将服务网格(Service Mesh)中的边车(Sidecar)技术理念，应用到数据网格(Data Mesh)，专门解决云原生微服务环境中的东西向数据访问控制难题。数据层边车本质上充当应用程序和数据之间的断路器。尽管数据层边车还是发挥代理的作用，但它是为云原生架构和数据网格架构而设计的未来型代理。

虽然新一代技术常常代表了未来的方向，但是企业客户还是应该结合自身的实际情况，选择最适合的数据访问控制实施方案。

目 录

1.数据存储原生控制方法

1）DIY(自己动手)解决方案

2）数据访问编排解决方案

3）数据存储库的可观察性不足

2.数据访问代理方法

1）代理和数据库代理

2）SQL无感知数据库代理

3）SQL感知数据库代理

3.数据层边车方法

1）传统代理无法适应云原生环境

2）云原生世界需要数据层边车

3）数据层边车 vs. 数据库代理

01

数据存储原生控制方法

数据存储原生控制方法可以细分为两种方案：DIY(自己动手)解决方案+数据访问编排方案。

1）DIY（自己动手）解决方案

方法说明。DIY（自己动手）解决方案是指客户利用数据存储原生能力，自己动手构建客户需要的数据访问控制。

• 原生功能包括数据存储中可用的安全视图、函数、策略。
• 如果客户的数据团队有能力利用数据存储中的原生功能，他们通常会这样做。

方法不足。使用原生能力构建DIY（自己动手）解决方案的问题在于：

• 它不是核心业务。在大多数情况下，利用原生功能构建DIY数据访问控制方案，并不是客户的高优先级事项。客户的工程资源最好用于支持和发展客户业务的核心活动，从而为企业创造更大的业务价值。
• 维护成本高。数据访问控制不是那种“设置好后就可以抛之脑后”的东西，它需要持续、悉心的照料，这会带来隐性成本和风险。
• 学习曲线陡峭。很多时候，如果您缺乏创建或管理数据访问解决方案的经验，此类项目可能会带来未知的工程挑战。
• 迁移数据平台的烦恼。如果客户想从一个数据平台迁移到另一个数据平台，可能需要重新编写DIY解决方案的大部分内容。
• 原生功能受限。DIY解决方案受限于可用的数据存储原生能力。参见下文。

2）数据访问编排解决方案

方法说明。数据访问编排解决方案是对原生数据存储能力进行编排的产品，只需要付费购买即可，无需客户自己的数据团队亲自动手实现它们。

• 数据编排通常由软件平台支持，该平台连接各种存储系统，并在需要时启用与其他应用程序的连接。它将来自多个存储位置的数据进行整合，以便企业可以在其分析和管理平台中使用这些数据。
• 在数据访问编排中，被编排的是对数据的访问，而非数据本身。不是在数据存储本身（例如数据库、数据仓库和数据湖）中手动配置数据访问，而是使用单个工具定义访问策略，然后在各种数据存储中执行安全策略。
• 编排解决方案可能会节省客户利用原生能力构建方案的时间。

方法不足。与后文介绍的数据访问代理方案相比，编排解决方案在许多方面受到限制：

• 缺乏数据感知能力。通常来说，编排解决方案依赖于定期批处理，来识别和标记敏感数据。而数据访问代理平台则能够在访问数据的同时对其进行分析，可以即时发现敏感信息并立即采取行动。
• 侵入性。编排解决方案经常会使用抽象数据访问所需的对象，污染数据基础设施。此外，在许多情况下，它们会迫使您更改现有逻辑（例如访问新的抽象对象而非现有对象）。而使用数据访问代理，则无需添加任何数据库对象，也无需改变查询中的任何内容。
• 超级管理员凭据使用。编排解决方案需要使用高访问权限账户。这意味着您可能需要设置一个账户，能在SaaS或设备上执行很多操作（即创建对象和读取数据）。而使用数据访问代理，您无需添加任何额外的凭据，从而消除了意外更改的风险。
• 原生功能受限。编排解决方案受限于可用的数据存储原生能力。参见下文。

3）数据存储库的“可观察性不足”

数据存储库存在“可观察性不足”的问题。

3.1）数据存储库日志通常被禁用

在传统的本地数据库和DBaaS（数据库即服务）中，日志的唯一来源通常是由数据存储库本身将活动记录到文件系统中。但是，日志记录通常会因为性能下降和PII泄密风险等原因而关闭：

• 性能下降。在MySQL和PostgreSQL数据库中，当打开查询日志记录时，由于关键查询执行路径中产生的额外I/O，QPS(每秒查询数)通常会下降25-30%；
• PII泄密的风险。被记录的查询/请求日志，并没有经过对PII信息的隐私处理。这必然导致安全问题。

3.2）DBaaS(数据库即服务)的可见性不足

DBaaS中的指标主要有两个来源，但都存在不足：

• 一是粗粒度的DBaaS指标。这些是由DBaaS引擎自身发布的聚合指标，比如说每秒连接次数、每秒SELECT/UPDATE/INSERT次数、每秒慢速查询次数。但它们都是粗粒度的，无法对应到与DBaaS交互的特定用户或服务；
• 二是汇总的云提供商指标。但这些指标也无法被有效映射和归因。例如，AWS Cloudwatch发布了与DBaaS引擎的网络I/O活动相对应的字节数和吞吐量。然而，它无法识别出某个表中的多少行或者某个集合中的多少文档，对应于网络层观察到的字节数量。也不可能将这些指标的观察值，归因于特定用户或服务。

3.3）传统数据库部署的可见性不足

传统的数据库部署的确增加了一些可见性，如下所示。但由于性能影响或存储成本，这些日志通常会被禁用。

• 服务帐户：用户通常使用BI(商业智能)工具或应用程序登录数据库，而BI工具和应用程序将使用共享型服务帐户来查询数据库。也就是说，真实用户的身份无法记录在数据库日志中。
• 用户活动：身份认证日志可以突出显示身份认证失败时间，包括事件的日期和时间。但是，这类日志不包括上下文数据，包括执行的查询或调用者的源IP。
• 查询活动：这类日志通常用于数据库调优，包含性能细节，包括查询计划和执行时间。
• 系统健康状况：关于数据库健康状况的聚合指标，包括使用的内存和存储、上次运行性能调优的时间，以及硬件或损坏问题。

3.4）增强型数据库原生控制方法的不足

• 增强数据访问控制的一种常见方法，是将数据存储与IAM产品进行集成，从而为数据访问增强用户身份识别能力。
• 但是，这种集成在安全和监管方面留下了空白，因为它们没有将数据库原生访问控制的全部功能扩展到经过SSO身份认证的用户，也没有提供可以扩展的访问策略工具。

总而言之，数据存储原生控制在很多时候都靠不住。所以，数据访问代理方法才被广泛采用。

02

数据访问代理方法

1）代理和数据库代理

代理是位于客户端和服务器之间的拦截服务。当代理靠近客户端部署时，称为正向代理。当代理部署在离服务器更近的地方，使得客户端不知道服务器的来源时，它被称为反向代理。

数据库代理（ProxySQL、MaxScale等）基本上是一种反向代理，旨在为数据库、键值存储、消息队列提供安全性、可伸缩性、高可用性等优势。

图1-数据库代理

2）SQL无感知数据库代理

在高度分布式的数据存储库（如MongoDB和Cassandra）流行之前，数据库代理通过为后端数据存储库提供连接池，来实现扩展性和高性能。通过将请求路由到健康的数据后端，来确保高可用性，并减少故障转移时间。

此类数据库代理通常被称为L4层代理或SQL无感知代理，包括HAProxy、Nginx和类似工具。

3）SQL感知数据库代理

随着应用程序迁移到云端，数据量猛增，现代数据存储库开始提供可扩展性和高可用性功能，使用分布式Coordinator-Worker（协调器-工作节点）架构的数据分片和复制。

图2-Coordinator-Worker架构

为了保护应用程序逻辑免受底层拓扑变化的影响，ProxySQL和MaxScale等 SQL感知数据库代理开始受到关注。

SQL感知代理可以执行这类任务：通过将读查询定向到Worker并将写查询定向到Coordinator中的master，来执行SQL读查询/写查询的路由。

SQL感知代理也用于这些场景：需要在SQL层操作以缓存SQL查询的响应，以提高性能；或者重写和阻断某些SQL查询，以增加安全性。

事实上，目前主流的数据访问平台都采用了感知型数据库代理的方式。这也是当前最被看好的数据访问控制方法。

图3-基于数据库代理模式的数据访问平台

03

数据层边车方法

1）传统代理无法适应云原生环境

随着容器技术尤其是Docker的成熟，以微服务为可组合单元的面向服务架构（SOA）开始受到广泛欢迎。云原生应用程序开始使用微服务作为它们的构建模块，从而将自身用于持续集成和持续部署的DevOps方法。

虽然基于微服务的新架构带来了许多好处，但它们也暴露了挑战，特别是在安全和流量管理方面：

• 这些分散的微服务之间的通信，导致东西向流量激增；
• 却没有可以强制执行安全规则的明确边界；
• 也没有可以执行流量管理的单一入口/出口点。

因此，在应用程序和数据存储库（数据库或数据仓库）之间部署代理的传统模型，在云原生的新世界中不再适用。

2）云原生世界需要数据层边车

在云原生世界中部署代理的思路是数据层边车（Sidecar），即采用边车模式部署的无状态拦截服务。

在云原生应用程序部署架构中，数据层边车本质上充当应用程序和数据之间的断路器，以保护数据存储库。

数据层边车诞生于云中，可以快速部署到客户环境中，并实时拦截对任何类型数据存储库（数据库、数据管道、数据仓库等）的所有请求，而不会影响性能和可扩展性。所有的集成和配置，都可以从统一控制平面进行集中管理。

由于数据层边车便于使用Kubernetes等服务编排工具进行部署，因此企业可以确保其所有存储库的数据保护始终处于开启状态。

虽然数据层边车仍然发挥代理的作用，但它的架构是为云原生架构而设计的：

图4-拦截方式对比：传统代理 vs. 数据层边车

如上图所示，数据层边车可以采取无状态方式运行，从而支持横向扩展和高可用性。

• 传统的应用程序代理，需要管理查询客户端的会话状态，以帮助旧数据库架构应付繁重的工作压力。
• 而如今，数据存储库能够自己管理数据层连接，因此数据层边车可以无状态运行。于是，可以部署多个边车，来保护单个数据存储库。

3）数据层边车 vs. 数据库代理

数据层边车与数据库代理相比，具有很多明显的优势：

• 数据架构的先进性：数据层边车支持现代数据网格架构；而数据库代理采用中心辐射架构，来自微服务的流量被迫先到达代理，然后才被发送到目标。
• 云编排平台的可用性：数据层边车使用云编排平台（如Kubernetes）部署；而数据库代理通常使用未集成到云编排平台。
• 流量控制能力：数据层边车支持全方向流量控制，即包括南北向和东西向；而数据库代理仅支持南北向。
• 可观测能力：数据层边车与可观测性技术栈（如ELK、Prometheus等）高度集成，具有丰富的遥测数据；而数据库代理只有基本的日志数据。
• 微服务环境的适应性：数据层边车与基础设施模板工具（如Terraform、Cloudformation等）一起使用；而数据库代理不适合高度分布式的微服务环境。
• DevOps集成：数据层边车采取API优先原则，与DevOps工具（如Prometheus、Grafana等）集成，用于日志记录、监测、可视化、CI/CD；而数据库代理缺少与DevOps工具的集成。
• 持续部署：数据层边车通过与CI/CD工具（如Jenkins X、Spinnaker等）的集成，实现持续部署；而数据库代理不支持CI/CD。
• 网络延迟：数据层边车采用无状态的断路器设计，使得去往数据存储库的流量延迟可以忽略不计；而数据库代理在服务和数据存储库之间引入额外控制点，导致不可忽略的网络延迟。
• 身份保护：数据层边车内置了使用mTLS的身份保护，提供了原生的身份认证和授权能力；而数据库代理缺少对连接服务进行身份认证和授权的原生支持。

（本篇完）