数据泄露是指信息未经授权被访问、披露、获取、篡改、销毁,或以其他方式受到侵害的事件。在日常用语中,这一术语通常指客户记录、密码、财务信息或商业秘密等机密信息的暴露。有些法律定义的范围更广:即使没有未经授权者获取信息,个人数据泄露也可能包括数据的意外销毁或丢失。
数据泄露涉及信息安全、数据隐私、组织治理和法律等领域。其成因可能包括蓄意入侵、拥有访问权限的员工滥用权限、配置错误、信息误发,或纸质记录等实体资料丢失。事件的严重程度不仅取决于所涉信息的数量,还取决于信息的敏感程度、受影响的人群、信息暴露的具体情形,以及信息随后遭到滥用的可能性。
这一主题涵盖信息如何暴露、调查人员如何查明事件经过、组织如何控制事态,以及法律制度如何划分责任。此外,数据泄露还存在统计衡量方面的难题:公开报告中受侵害的记录数量,并不一定等于可确认身份的受害者人数、已证实的窃取次数,或由此造成的损害数量。
定义与界限
数据泄露是安全事件的一种,但这两个术语不能互换使用。尝试猜测密码但未成功,属于安全事件,却未必构成数据泄露。成功侵入系统可能足以证实存在未经授权的访问,但哪些信息曾被查看或复制,仍可能无法确定。反过来,员工将含有机密信息的电子表格发给错误的收件人,即使没有人侵入计算机系统,也可能造成数据泄露。
常见的保密性、完整性和可用性模型区分了三种安全属性。保密性关注谁可以知悉信息;完整性关注未经授权的更改;可用性关注需要信息时能否访问。公众对数据泄露的讨论大多侧重于保密性。隐私立法也可能涵盖完整性和可用性受损的情形。例如,欧盟《通用数据保护条例》对个人数据泄露的定义包括个人数据遭到意外或非法销毁、丢失、更改、未经授权的披露或访问。
“暴露”和“外传”描述的是不同的证据情形。暴露是指信息变得可在预定边界之外被访问,例如某个存储库变为可供公众读取。外传则是指信息被传输到获授权的环境之外。调查人员可能证实信息已经暴露,却无法证明有人下载过这些资料。他们也可能证实存在未经授权的访问,却无法取得攻击者活动的完整记录。这些区别很重要,因为声称信息可能被访问、已确认被获取以及已确认被滥用,所表达的含义各不相同。
授权本身取决于具体情境。员工可能获准为处理服务请求而打开客户记录,但不得将整份客户名单导出供个人使用。承包商在技术上能够获取信息,并不一定意味着其有权这样做。同样,可从公共网络访问的服务中,也可能包含从未打算向公众披露的信息。技术上能否访问、组织是否授权,以及处理是否合法,是相互关联但又各不相同的问题。
并非所有侵犯隐私的行为都属于数据泄露。某个组织可能故意以违反适用隐私规则的方式收集或使用信息,而其系统却完全按设计运行。反过来,窃取机密工业图纸即使不涉及个人信息,也可能构成数据泄露。这一概念也不同于数据泄漏(机器学习),后者通常指训练数据与评估数据之间的相互混入,或纳入了在预测时无法获得的信息。这种统计学问题本身并不意味着发生了安全事件。
涉及的信息与严重程度的决定因素
泄露的信息可分为几个相互重叠的类别。个人信息包括身份标识、联系方式、政府签发的身份证件号码、位置历史,以及有关人际关系或行为的信息。财务记录可能包括支付卡数据、银行账户详情或交易历史。组织还持有商业机密资料,包括定价模型、法律文件、产品设计、尚未发表的研究成果和源代码。一次事件可能同时暴露多个类别的信息。
身份验证资料具有特殊作用,因为这类资料一旦泄露,可能使攻击者获得进一步访问的机会。密码、密码重置令牌、会话 Cookie、私钥和应用程序凭据都可能成为访问入口,而不仅仅是记录过去活动的数据。窃取的会话令牌可能让攻击者无需获知用户密码,就能冒充该用户。泄露的云访问密钥可能使攻击者能够通过程序访问服务和信息。具体后果取决于该凭据所具有的权限、有效期,以及服务是否实施额外检查。
信息的存储形式会显著影响泄露造成的风险。在密钥仍受到保护的情况下,有效的加密可以使被盗存储介质中的数据无法被读取。但如果攻击者攻破的是本就获准解密这些记录的应用程序,加密所能提供的保护就较为有限。密码保护则需要另行分析:设计得当的密码哈希方案,为每个密码使用独立的盐值,并设置适当的计算成本,可以降低从被盗密码验证数据库中还原密码的可行性。但这并不能阻止针对弱密码的破解尝试,而且哈希不能与可逆加密互相替代。
信息的敏感程度还取决于其持久性和所处情境。支付卡通常可以更换,出生日期却无法改变。生物特征很难更改,不过,生物特征模板被盗并不意味着攻击者就能在所有系统中冒充本人。医疗、法律或私密信息在最初的事件发生很久之后,仍可能产生影响。看似普通的信息在组合后也可能变得敏感:姓名、工作时间表和位置历史相结合,可以揭示任何单个字段都无法独自呈现的日常活动规律。
因此,记录数量并不能全面衡量事件的严重程度。数据库中的一行可能描述一个人、一笔交易、一台设备,也可能只是另一行的重复记录。少量高度敏感记录的泄露,给相关个人造成的后果,可能比大规模公开联系信息泄露更为严重。重要的影响因素包括信息能否用于识别个人、完整性、时效性、能否与其他信息关联、接收方的能力,以及信息是否确实被获取。即使消息内容仍受到保护,时间戳、通信关系等元数据本身也可能揭示行为。
安全失陷的途径
外部入侵通常始于凭据失窃、欺骗性通信或可被利用的软件缺陷。网络钓鱼可能诱使用户透露密码、批准身份验证请求或打开恶意附件。撞库则利用从其他地方获取的用户名和密码组合,尝试登录其他服务,利用的是用户重复使用密码的习惯。这两种手法都不一定要求目标应用程序存在缺陷:攻击者可能使用看似有效的凭据,通过正常的登录界面进入系统。
软件漏洞是另一条途径。面向互联网的应用程序若存在缺陷,可能使攻击者得以执行未经授权的命令、访问文件,或运行由其控制的代码。例如,SQL注入发生在不可信输入被不恰当地纳入数据库查询时,可能使攻击者读取或修改超出预期操作范围的信息。应用程序编程接口中的授权缺陷也可能导致记录暴露:服务虽然检查了用户是否已登录,却未核实该用户是否有权访问所请求的对象。
配置不当和操作失误也可能造成信息暴露,而不需要攻击者先突破安全机制。例如,对象存储被设为可公开读取、诊断接口未受到访问限制、生产环境中的记录被复制到保护不足的测试环境,以及文档的共享范围过宽。嵌入公共代码仓库的凭据也会造成类似问题:暴露的内容可能很少,但其授予的权限却可能十分广泛。电子邮件误发给他人、函件打印出错,以及未加密设备丢失,仍是无需入侵即可造成信息泄露的重要途径。
拥有合法访问权限的人滥用其权限时,就会形成内部威胁。此人可能导出客户记录、泄露机密文件,或调取与其职责无关的信息。内部人员的无意行为虽然成因不同,却可能造成类似的信息泄露后果。调查会区分恶意行为与失误,因为两者在预防性控制措施、取证问题和法律影响方面有所不同。
供应商关系使攻击面延伸至单个组织之外。服务提供商可能直接持有客户信息,也可能拥有对客户系统的远程访问权限。入侵者一旦进入系统,就可能提升权限、在系统之间横向移动、搜索存储库,并收集信息以便向外传输。勒索软件攻击可能将加密、数据窃取和公开数据的威胁结合起来,但仅有加密行为并不能证明发生了数据窃取。在此类入侵的整个过程中,看似日常的工具——管理控制台、文件传输工具和数据库导出功能——都可能被用于恶意目的。判断的关键在于行为者是否获得授权及其具体活动,而不只是某个工具是否被归类为恶意软件。
检测、调查与证据的局限
数据泄露可能通过多种渠道被发现。组织可能检测到异常的数据库查询、新增的管理员账户、意料之外的数据导出,或可疑的出站流量。客户可能报告欺诈活动。研究人员可能发现暴露在外的存储资源,供应商可能发出通知,执法机构也可能告知已查获被盗信息。因此,发现泄露的时间并不等于系统最初遭到入侵的时间,而向公众披露的时间可能还要更晚。
调查需要利用身份管理系统、应用程序、数据库、终端设备、云服务及网络基础设施中的记录。这些来源能够回答不同的问题。登录日志可以证实某个账户曾从特定地点或设备通过身份验证,但未必能确定实际操作者是谁。数据库审计记录可能记载了查询,却没有记录返回的结果。网络记录可以表明发生过大量数据传输,但如果流量经过加密,就无法揭示传输内容。要有效还原事件经过,就需要关联各系统中的证据,并考虑时钟、标识符和记录保留期限的差异。
数字取证旨在保存和解读证据,同时确保其可靠性。调查人员可能会采集磁盘镜像、内存转储、配置快照、审计日志及恶意文件。密码学摘要有助于证实所采集的证据材料在采集后未被更改,但并不能证明其原始内容真实。记录采集方法和证据保管过程,有助于后续的监管程序、民事诉讼或刑事诉讼。运行中的系统状态不断变化,因此会增加证据保存的难度。
确定事件的影响范围,往往比确认发生过某种未经授权的活动更困难。日志可能已超过保留期限,可能未能记录相关事件,也可能已被入侵者删除。使用合法账户的攻击者可以混迹于日常活动之中。被下载的归档文件可能包含重复内容、无法访问的文件,或来自多个组织的记录。调查人员必须区分攻击者到达了哪些系统、这些系统中有哪些可用信息、哪些信息有证据表明确实被访问过,以及哪些信息有证据表明确实被传输过。这几类范围不一定相同。
检测系统的推断能力也存在局限。异常检测可以标记下载信息量远超平常的用户,但合法的数据迁移和报表任务也可能产生类似的模式。针对性很强的规则可能漏掉新型攻击手法,而宽泛的规则则会产生误报。因此,“没有证据表明数据已被外传”之类的说法需要结合背景理解:它可能意味着监测充分且未观察到传输,也可能意味着可观测性有限,无法判定是否发生过传输。技术上严谨的事件说明会区分已确认的事实、合理推断和尚未排除的可能性,而不是将所有不确定性都视为数据被盗的证据,或安然无事的证明。
安全事件响应与恢复
安全事件响应用于组织在疑似遭到入侵后采取的各项行动。其直接目标是阻止损害持续扩大、保全证据、确定事件影响范围,并恢复可信的运行状态。这些目标之间可能存在冲突。断开服务器的网络连接可能阻止攻击者继续活动,但也可能中断关键服务,或导致无法获取易失性证据。让服务器保持联网可能有助于观察攻击活动,却也会容许未经授权的活动继续进行。采取措施的适当顺序取决于系统的作用、已观察到的威胁,以及隔离是否可行。
遏制措施应针对攻击者获取访问权限的机制,而不只是其表面迹象。如果攻击者已经创建了其他账户、注册了身份验证设备、获取了应用程序令牌,或窃取了签名密钥,那么仅禁用遭入侵的账户可能并不足够。更改密码也未必会使现有会话失效。同样,关闭暴露在外的存储位置,并不能收回已经被下载的副本。因此,响应工作需要识别攻击者维持访问权限的机制,以及所有相关形式的委派访问权限,而不能只是修补最先发现的弱点。
根除阶段旨在消除根本原因,并清除攻击者留下的入侵痕迹和访问能力。这可能涉及为存在漏洞的软件安装补丁、纠正权限设置、使用可信来源重建系统、移除未经授权的应用程序,以及更换已泄露的密钥等机密凭据。随后的恢复阶段则通过额外的验证和监测,使服务和信息重新处于可正常使用的状态。数据备份可以在数据被删除或加密后恢复其可用性,但无法挽回信息机密性遭到破坏的后果。如果在未封堵最初入侵入口的情况下从备份恢复,就可能重现导致入侵的条件。
沟通应与其他响应工作同步开展,而不是等到最后才发布公告。组织可能需要协调技术团队、法律顾问、高层管理人员、供应商、保险公司、监管机构及受影响的个人。随着证据不断积累,早期对事件的描述往往会发生变化。准确的沟通应区分估计受影响的人群与已确认受影响的人群,并说明涉及哪些类别的信息。通知可以帮助人们识别由此引发的欺诈,但如果笼统的警告没有说明信息暴露的性质,就可能无法提供多少有用的信息。
恢复工作还包括长期妥善保存事件记录,并审视现有控制措施为何失效。例如,遗漏一次更新,可能反映出资产管理责任未全面落实、例外处理流程无效,或测试程序错误地报告成功。事后分析会区分直接的技术原因与组织层面的成因,并可发现日志留存、系统隔离权限、供应商协调和通知流程等方面的不足。这些发现关系到运行流程的可靠性,而不只是是否部署了某种特定的安全产品。
预防与架构控制措施
预防数据泄露,首先要了解信息存放在哪里,以及谁能够访问这些信息。数据清单和分类体系将业务用途与存储位置、访问权限、保留期限及传输安排关联起来。按照保留策略删除的信息,此后就不会再从该位置被窃取。不过,归档、测试环境、员工设备和供应商系统中的副本使这一原则的落实变得复杂,也使数据管理成为安全工作的重要组成部分,而非一项独立的行政管理活动。
访问控制限制用户和服务可以执行的操作。最小权限原则要求仅授予完成任务所需的权限;职责分离则防止单一角色控制整个敏感流程。定期审查有助于处理人员岗位变动过程中不断累积的权限。身份认证用于确认所声称的身份,而授权则决定该身份可以执行哪些操作。如果应用程序允许每个通过身份认证的用户访问所有客户记录,那么再强的身份认证也无法弥补这一缺陷。
多因素认证可以减少对单一密码的依赖,但其安全强度取决于所采用的认证因素和协议。有些方法仍容易受到实时网络钓鱼或欺骗性批准请求的攻击。抗网络钓鱼的密码学方法能够将身份认证与合法服务更紧密地绑定。服务账户和自动化工作负载需要单独关注,因为它们往往使用长期有效的凭据,而且可能不参与交互式身份认证。限制这些凭据的适用范围和有效期,可以减轻其泄露造成的后果。
安全的软件开发和运行维护能够在漏洞成为入侵入口之前加以处理。参数化数据库查询将数据与可执行的查询结构分离,从而降低 SQL 注入风险。对象级权限检查可以防止用户仅通过修改标识符就获取其他用户的记录。资产清单有助于确定哪些系统需要安全更新,而配置控制则有助于防止意外向公众暴露。网络分段可以限制系统被攻陷后的横向移动,但如果获准使用的管理通道仍然过于宽泛,这一措施就难以奏效。
防护控制措施还可以在预防失败时限制损失。存储数据的加密效果取决于密钥分离和访问机制的设计;传输层安全协议保护传输中的数据,但无法保护已被攻陷的端点。监控和导出限制可以使大规模数据窃取更难被掩盖。零信任架构在评估访问请求时,不会仅凭网络位置就认定其可信。这些措施都不能保证数据泄露绝不发生。它们的价值在于减少可乘之机,限制攻击者通过单点失守所能获得的权限,并留下有助于检测和响应的证据。
对个人和组织的影响
对个人而言,数据泄露可能为账户盗用、金融诈骗、身份冒用或有针对性的欺骗创造机会。身份盗窃是可能的后果之一,但并非每次信息暴露都会自动导致身份盗窃。被盗密码可能立即就能派上用场,而姓名和地址可能只有与其他记录结合后才有利用价值。有关工作、家庭关系或近期交易的信息,可以让攻击者在诈骗信息中提及真实情况,从而使这些信息更具迷惑性。
有些后果涉及隐私,而非直接的经济损失。病情、私人通信、精确位置或保密投诉的披露,可能影响人际关系,使个人陷入尴尬,或遭受歧视、威胁。同一类信息在不同的社会和法律环境中,可能造成不同的后果。损害还可能波及并非涉事组织客户的人,例如记录中提及的亲属,或通信内容被该组织留存的通信对象。
组织会承担调查、恢复、法律事务、通知和客户支持等费用,还可能遭遇业务中断、合同流失、诉讼、监管程序,或被施加额外的合规义务。即使不涉及个人信息,知识产权泄露也可能影响产品开发和商务谈判。当服务提供商为控制事态而暂停系统运行时,运营上的影响还可能波及客户。这些间接影响意味着,数据泄露的波及范围并不限于遭到入侵的数据库或应用程序。
解读经济影响时需要谨慎。广为引用的“每条记录成本”数据,通常是将选定的事件成本除以估算的记录数量得出的。成本未必与记录数量成正比:有些成本基本固定,另一些则取决于停机时间、数据敏感程度、合同条款或司法管辖区。各项行业调查在样本、纳入标准、极端事件的处理方式以及业务损失的估值方法上也存在差异。因此,其平均值反映的是特定研究群体的情况,而不是适用于所有数据泄露事件的统一成本。
后续损害的归因很困难,因为个人可能经历过多次信息暴露,而且许多身份标识信息早已通过合法或非法渠道流传。数据泄露后发生的欺诈交易,本身并不能证明该交易是由此次泄露造成的。反过来,没有观察到欺诈行为,也不能证明信息披露没有造成损害,尤其是在保密性本身就是受保护利益的情况下。不同法律体系对哪些损害予以认可,以及需要何种证据,规定各不相同。因此,分析时应区分信息失守、风险增加、滥用企图、实际滥用和可证实的损失,而不是将其混为同一种结果。
法律义务与监管框架
数据泄露方面的法律并非全球统一的制度。具体义务取决于司法管辖区、组织的角色、信息类别、受影响人群以及特定行业的规定。除法定义务外,合同也可能规定报告义务。因此,涉及多个国家的事件可能同时触发多套要求,而这些要求在定义、适用门槛、通报对象和期限方面各不相同。通报义务与组织是否违反了相关安全义务,是两个独立的问题。
在欧洲联盟,通用数据保护条例于2018年5月25日开始适用。第33条通常要求,数据控制者在知悉个人数据泄露后,应在无不当延迟的情况下向主管监管机构通报,并在可行时于72小时内完成,除非该泄露不太可能对个人的权利和自由造成风险。数据处理者必须在无不当延迟的情况下通知数据控制者。如果无法一次性提供全部信息,可以分阶段提供;数据控制者还必须记录个人数据泄露事件,包括其影响和补救措施。
第34条规定,当泄露可能对受影响个人的权利和自由造成高风险时,应向这些个人告知相关情况。其适用条件与向监管机构通报的门槛并不相同。例外情形包括已经采取有效保护措施,例如通过加密使未经授权者无法理解信息内容。该条例规定的行政罚款上限也因违法行为而异:广为引用的最高2,000万欧元或全球年营业额4%的罚款,并非每起泄露事件都会自动受到的处罚。
美国实行州、联邦及行业要求相结合的制度,而非以一部涵盖所有组织的综合性泄露通报法律加以规范。加利福尼亚州率先制定的州级泄露通报法于2003年生效,此后美国全部50个州都制定了此类法律。各地对受法律涵盖的信息的定义、豁免情形、风险评估和通知要求均有所不同。在医疗保健领域,《健康保险流通与责任法案》的泄露通报框架针对的是未采取安全保护措施的受保护健康信息泄露。上市公司的信息披露规则还对重大网络安全事件规定了额外义务,这与向受影响个人发出通知的义务不同。
监管机构不仅可能审查泄露事件本身,还可能审查安全措施、透明度、数据保留和合同安排。事件的发生本身并不能证明所有适用义务都遭到违反;法律认定取决于相关标准和事实。同样,向监管机构通报也不能证明所有可能暴露的数据记录都已被窃取。跨境调查可能涉及多个主管机构,各自适用不同的程序时限。公开叙述应区分组织披露的信息、监管机构提出的指控、和解结果以及经最终裁决认定的事实,这样才能最准确地反映情况。
历史案例与统计难题
几起重大事件展示了数据泄露的不同机制,也说明了为何难以在事件早期确定其确切影响范围。2013 年,攻击者通过一连串环节入侵了美国零售商塔吉特(Target),其中涉及与第三方供应商相关的访问权限,以及销售点系统上的恶意软件。该公司报告称,约有 4,000 万个支付卡账户受到影响,另有涉及多达 7,000 万人的个人信息被窃取。这些数字描述的是彼此重叠的不同信息集合;将其相加,并不能得出可靠的去重人数。
雅虎披露的信息表明,估计数字可能发生变化。2016 年,雅虎公布了一起发生于 2013 年的数据泄露事件,最初称受影响的用户账户超过 10 亿个。2017 年,在被威瑞森(Verizon)收购后,雅虎经过进一步调查,将估计范围修正为当时存在的全部约 30 亿个账户。账户数并不等于人数,因为一个人可以拥有多个账户。这起事件也不同于雅虎所披露的另一起发生于 2014 年的数据泄露事件,因此,入侵发生的时间对于正确理解相关报道至关重要。
美国人事管理局于 2015 年披露的事件涉及彼此不同但相互关联的记录集。其中一起事件影响了约 420 万名现任及前联邦雇员的人事数据;另一起则影响了涉及约 2,150 万人的背景调查记录。后者包含申请人及其他与调查有关人员的信息,约有 560 万份指纹记录受到影响。这一案例表明,泄露信息的敏感程度可能取决于其中详尽的人际关联和个人经历,而不只是常见的财务身份识别信息。
Equifax 于 2017 年发生的数据泄露影响了约 1.47 亿人。调查发现,攻击者利用了 Apache Struts Web 框架中的漏洞,而补丁管理及安全流程也存在缺陷。该案例凸显了一整条运维链条的重要性:从软件修复程序的发布,到识别受影响的资产、核实修复措施是否落实,再到发现仍在持续的入侵。万豪于 2018 年披露的喜达屋宾客预订数据库泄露事件,同样说明了为何必须对初步估计作出限定说明:最初公布的受影响宾客记录数量最高约为 5 亿条,后来有所下调,而重复记录也使数据库条目与实际人数之间的对应关系变得复杂。
这些案例还揭示了数据泄露统计的局限性。事件是否被报告,受到通知义务相关法律、调查资源、组织掌握自身情况的能力以及披露意愿的影响。一家供应商遭入侵,可能导致多家客户分别发布通知;而一连串入侵也可能被归并为一起对外公布的事件。从事件发生到发现、遏制和披露所经历的时间,衡量的是不同过程。因此,有参考价值的统计序列应明确其分析单位——事件、组织、账户、记录或人员——以及统计时段和纳入规则。否则,表面上的增长既可能反映实际入侵频率的变化,也可能源于检测能力的提升或报告义务范围的扩大。