1. 课程导入与全景认知

在数据成为核心生产要素的今天，企业面对的不再是“要不要做数据安全”，而是“在有限预算、复杂业务和强合规约束下，如何把数据安全做对、做稳、做得可持续”。本课程讨论的数据安全技术选型，指的是围绕数据生命周期各阶段（采集、传输、存储、使用、共享、销毁），在加密、脱敏、访问控制、审计、密钥管理、数据防泄漏等候选技术之间做出有依据的取舍；而架构治理，则是让这些技术选择在整体架构中保持一致性、可演进、可审计的一整套决策机制与约束规则。二者是一体两面：选型回答“用什么”，治理回答“凭什么这样用、由谁负责、如何持续验证”。

理解这门课，先要划清三条边界。第一条是与网络安全的边界：防火墙、WAF、入侵检测保护的是通道和边界，而数据安全关注的是数据本身——同一份客户信息，即使在内网可信通道中流转，仍需按敏感级别做脱敏、加密与访问控制。第二条是与合规的边界：合规是底线输入，不是设计目标；满足《数据安全法》《个人信息保护法》以及行业监管要求只是及格线，真正的选型要服务于业务风险。第三条是与运维的边界：数据安全不是上线后补的运维动作，而是要在架构设计阶段就嵌入的约束条件。

下面这张全景图给出了本课程的知识结构：从数据资产与风险识别出发，经过技术选型决策，落到架构治理机制，最终由度量与持续改进闭环反哺选型。图中同时标出了各环节的关键输入与输出，便于建立整体认知。

从图中可以看到，本课程不是工具说明书，而是一条“判断力优先”的路径。学习时建议把握三个层次：概念层要能区分数据安全与网络安全、合规与风险；方法层要掌握分类分级、威胁建模、选型评估矩阵等可操作手段；落地层要能把策略、责任、评审机制嵌入真实架构。后续章节会逐步展开，本节先建立整体坐标。

为了把“选型”从感觉变成可讨论的决策，下面给出一份可直接参考的技术选型评估矩阵示例。假设某企业要对“生产库敏感字段保护”做方案选择，候选为静态脱敏、动态脱敏、字段级加密三种。评分采用 1～5 分，权重合计 100%，得分 = Σ(单项分 × 权重)。表中数据为教学示例，非实测结果。

示例中静态脱敏得分最高，但这并不意味着它总是最优——如果业务要求“同一用户在不同场景看到不同数据”，动态脱敏的权重结构就会改变，结论随之变化。这正是本课程反复强调的：选型结论依赖约束条件，治理机制则保证约束条件被显式记录、评审和更新。没有治理的选型，会退化为个人偏好；没有选型的治理，会变成空洞口号。

最后明确本课程的参照约定：全文讨论“数据流向”时，默认以数据从产生方流向使用方为正方向；讨论“安全强度”时，默认以防护能力增强为正方向。若某节切换参照系，会在该节开头显式说明。掌握这套坐标，后续的分类分级、加密选型、访问控制与审计治理，才能在同一张地图上被准确安放。