第1章 课程概述：为什么需要数据资产自动识别？
大家好，我是这门课的讲师。说实话，做了这么多年数据安全，我最头疼的就是数据资产盘点。以前手工拉清单、发邮件问各部门，结果拿回来的表格要么缺字段，要么分类乱写——“机密”二字都能出现在测试库的菜谱表上。你想想看，这怎么防？
后来我意识到，核心矛盾是数据长得太快，手工根本跟不上。一个中等规模的业务系统，每天新产生几万张表、几十亿条记录，你让安全团队怎么人工打标签？所以自动识别不是选做题，是刚需。本课程就是要教你，怎么通过SDK对接DSPM平台，把数据资产自动识别这件事落到实处。
1.1 数据资产自动识别——刚需还是噱头？
我记得几年前给一家金融客户做咨询，对方合规部门要求“每天报送敏感数据分布图”。IT团队做法很原始：写一堆Shell脚本轮询数据库，把表名列名导出来，再用关键词匹配“身份证”“手机号”。结果呢？误报率超过40%，还被审计点名批评。后来我们换了一套自动识别SDK，接入DSPM平台，准确率直接拉到92%以上。从那以后我彻底相信：人工+简单脚本的模式已经走不通了。
为什么会这样？因为数据特征在变。以前敏感数据就是那几个固定字段，现在JSON嵌套、动态脱敏、加密字段大量出现。你靠正则表达式硬撸，迟早崩。自动识别SDK能做的事情，本质上是一个感知层——它运行在应用或中间件侧，实时抓取数据的元数据、流量特征、存储结构，然后上报给DSPM引擎做分析。说白了，就是给数据做个CT扫描。
- 自动发现的粒度：从库→表→列→行级（甚至字段值），逐层下钻。
- 识别范围：结构化数据（关系库、数据湖）、半结构化（JSON、Avro）、非结构化（文档、日志）。
- 输出结果：资产清单 + 分类分级标签 + 风险评分。
1.2 课程目标与学习路径
这门课一共30章，我不是按部就班念文档，而是按一个真实项目的推进节奏来设计的。你学完之后，应该能独立完成下面三件事：
- 从零搭建数据资产识别SDK——掌握采集、解析、上报的核心逻辑。
- 安全对接DSPM平台——理解API鉴权、数据脱敏、断线重连等实战要点。
- 调优与故障排查——遇到误报、性能瓶颈、资源泄漏能快速定位。
我把学习路径总结成了下面的表格，你可以对照自己的基础选择跳转（不过我建议还是从头跟，因为前后依赖很强）。
| 阶段 | 章节范围 | 核心产出物 |
|---|---|---|
| 基础认知 | 第1-3章 | 理解数据资产识别模型、DSPM架构、SDK对接协议 |
| SDK 编码实战 | 第4-15章 | 开发完整的采集SDK（含元数据、流量、快照三种模式） |
| DSPM 对接与集成 | 第16-24章 | 实现注册、上报、心跳、事件回调、脱敏传输 |
| 生产运维与治理 | 第25-30章 | 性能压测、集群部署、误报处理、灰度发布 |
1.3 核心概念与知识图谱
我先画一张图，把整个知识体系串起来。你看到这张图，就能知道每个模块在做什么、谁依赖谁。后面30章都是这张图的逐层展开。
图中可以看到，整个体系分三层。根节点是“数据资产自动识别”，下面三个大支柱：SDK采集层负责从各种数据源抓取原始信息；DSPM分析层做分类分级和风险打分；对接协议是两者通信的桥梁。每个支柱下面都细化出了关键子模块，最终产出资产清单、敏感标签和风险评分。我用橙色的子模块表示具体技术点，绿色的底是采集，红色的底是分析，紫色的底是协议。你看左下角的资产清单节点，后面我们会花整整两章来讨论它的格式设计。
1.4 你将收获什么
这门课学完，不只是懂个概念。你能实实在在带走这些：
- 一套可复用的SDK框架代码（Java版本，但思路通用）——直接拿到项目里改改就能用。
- DSPM对接的实战文档模板——包括接口清单、鉴权流程、字段映射表。
- 避坑手册——比如：“数据上报频次设多少才不把DSPM打挂？”“遇到加密字段怎么处理特征提取？”这些我在项目中踩过的坑，都会每章拿出来讲。
- 性能调优的打点方法——不用盲目压测，知道瓶颈在哪。