第一章 课程概述与目标
大家好，我是这门课的主讲人。在数据安全领域摸爬滚打了七八年，我越来越觉得——DSPM 数据安全态势管理，其实是企业数据治理的“眼睛”。而今天我们要聊的“数据发现”，恰恰是这双眼睛最先睁开的那一瞬。
嗯，也不卖关子了。我直接说：数据发现做不好，后面的风险评估、权限治理全是空中楼阁。我见过太多团队，上来就搞策略、搞脱敏，结果连自己到底存了哪些敏感数据都没数——那可真叫一个“盲人摸象”。
1.1 DSPM 数据发现到底在做什么？
数据发现，说白了就是回答三个问题：
- 数据在哪？——云上 RDS、自建 MySQL、对象存储、Hadoop 集群……
- 是什么数据？——个人身份证号、银行流水、用户行为日志？
- 谁在碰它？——是正当的业务进程，还是潜伏的恶意访问？
我当年接手第一个 DSPM 项目时，客户数据库台账写着“50 个实例”。实际上台一扫，光未登记的 shadow 库就有 23 个。你想想看，这 23 个库就像没人看管的仓库，门都没锁。所以数据发现的首要任务，就是把这套“家底”摸清楚。
⚠️ 注意： 不要想当然认为“上云了就自动安全了”。云厂商给的标签、分类远不够细。我曾经见过某团队完全依赖云厂商的自动发现，结果漏掉了 30% 的敏感数据——就因为存储桶的 TAG 没按要求打。
1.2 为什么非要搞 SDK 集成？
市面上 DSPM 产品很多，有的提供 Agent、有的用 Sidecar。但说实话，在云原生和微服务环境中，SDK 集成 是最“优雅”的方式——轻量、可控、深度嵌入业务代码。
用 SDK 有什么好处？我给你列个单子：
| 维度 | 传统 Agent 方式 | SDK 集成方式 |
|---|---|---|
| 部署模式 | 需要单独安装、维护守护进程 | 随应用一起打包，一条依赖搞定 |
| 性能开销 | 常驻进程，CPU/内存固定占用 | 按需调用，无采集时零开销 |
| 数据颗粒度 | 通常到文件/表级别 | 可以深入到字段、API 参数级别 |
| 审计链路 | 依赖网络抓包或日志解析 | 直接在代码层面记录完整调用链 |
我在为一家金融科技公司做技术选型时，对比了三种方案，最后推荐 SDK。原因很简单——他们的核心结算系统每秒钟要处理上千笔交易，Agent 模式在高峰时段会吃掉 5% 的 CPU，直接被运维否决。而 SDK 只在数据写入时执行一次采样，延迟增加不到 2 毫秒，业务方根本没感觉。
💡 我的经验： 对于已有服务网格（Service Mesh）的团队，SDK 也能和 Ambient Mesh 共存——只要你的 SDK 不打乱链路追踪 context 就行。
1.3 学完这门课你能得到什么？
这门课一共 30 章，我把它拉成了两条线：
- 原理线——DSPM 数据发现的核心算法（正则、NLP、分类器）、SaaS 多租户架构、敏感数据打标签策略。
- 工程线——从零搭建一个 Java/Python SDK，对接各种数据源，实现增量发现、灰度上线、闭环审计。
具体来说，学完后你应该能：
- 独立编写一个轻量级的数据发现 SDK，并部署到生产环境。
- 搞清楚数据采样的频率怎么调、会不会影响数据库读写（我踩过坑，讲给你听）。
- 理解多租户隔离、配置热更新、降级熔断等企业级特性怎么做。
- 用一个真实场景走通“发现-分类-告警-修复”的闭环。
🎯 前置知识一览
你需要：扎实的 Java 或 Python 基础；了解 REST API 和数据库基本操作；会上手 Git、Maven/Gradle。如果之前做过 Spring Boot 或 Flask 微服务，那再好不过。不要求懂过深的密码学或网络协议——课上我会带着你一点点搭。
你需要：扎实的 Java 或 Python 基础；了解 REST API 和数据库基本操作；会上手 Git、Maven/Gradle。如果之前做过 Spring Boot 或 Flask 微服务，那再好不过。不要求懂过深的密码学或网络协议——课上我会带着你一点点搭。
1.4 本章知识结构
下面这张图帮你把本章的内容串起来，也框出了整门课的脉络：
这张图把本章的三个核心块——数据发现基本问题、SDK 集成优势、课程目标与前置知识——全串在了一起。你可以把它当作整门课的“导航地图”，后面每章都会落在这个框架的某个具体节点上。