3. 密码算法风险评估与优先级排序

算法退役治理中最常见的失败模式，不是“不知道该换什么”，而是“所有系统都说自己重要，于是所有系统一起排队”。资源有限、窗口有限、业务连续性压力大，因此必须把“哪些算法风险最高、先动谁”变成可解释、可复核、可复用的判断过程。本节围绕四个风险维度、量化与定性方法、风险矩阵构建、排序准则，并给出一个金融企业的排序实践示例。

一、四个风险维度：把“感觉危险”拆成可评估的因子

算法风险不能只看算法本身是否被攻破，而要同时看它保护什么、暴露在哪里、处在什么阶段。建议固定四个维度，每个维度给出可核查的证据来源：

• 算法强度：算法族与密钥长度、协议版本、实现是否合规。例如 SHA-1、RSA-1024、DES/3DES、TLS 1.0/1.1、MD5 签名属于高风险；RSA-2048 在“抗量子”语境下属于中长期风险；SM2/SM4、AES-256、SHA-256 属于当前可接受。证据来源：证书与密钥清单、协议扫描、代码依赖分析。
• 数据敏感度：被保护数据的分类分级与保留期限。身份凭证、支付指令、生物特征、长期存档合同属于高敏感；日志、公开配置属于低敏感。证据来源：数据资产目录、分类分级标签。
• 暴露面：攻击者能否触达。互联网可达接口、对外证书、第三方可调用 API 属于高暴露；内网隔离、离线介质属于低暴露。证据来源：网络拓扑、网关策略、证书透明度日志。
• 生命周期阶段：系统处于新建、运行、维护还是退役期。新建系统若仍引入弱算法，属于“新增债务”，应优先拦截；临近退役的系统可采取补偿控制而非彻底改造。

二、量化与定性：先算分，再校准

推荐“先量化、后定性校准”的两段式方法。量化阶段对每个维度打 1～5 分，并赋予权重，得到风险分值：

风险分值 R = 0.35×算法强度 + 0.30×数据敏感度
           + 0.20×暴露面 + 0.15×生命周期阶段

示例（某支付网关 TLS 证书）：
算法强度=5（RSA-1024 + TLS 1.0）
数据敏感度=5（支付指令）
暴露面=5（互联网可达）
生命周期阶段=3（运行中，尚有 2 年规划）
R = 0.35×5 + 0.30×5 + 0.20×5 + 0.15×3 = 4.70

权重不是固定的，应随治理阶段调整：在“抗量子迁移”阶段可提高算法强度权重；在“合规整改”阶段可提高数据敏感度权重。量化之后必须做定性校准，因为分数会掩盖关键事实：例如某系统分值中等，但它是全行证书签发根节点，一旦失效会级联影响所有下游系统，这类“单点放大效应”必须人工上调优先级。反之，某些高分系统已有硬件加密机与强访问控制作为补偿控制，可适度下调。

三、风险矩阵：把分值落到可沟通的格子

把“算法强度”作为横轴、“数据敏感度×暴露面”作为纵轴，形成 5×5 风险矩阵，每个格子对应处置策略。矩阵的价值在于让业务方一眼看懂“为什么我在红色区”。

四、优先级排序准则：分值之外还要看什么

排序不能只按 R 值从高到低。建议采用“分层 + 同层排序”的准则：

1. 第一层：合规与阻断性风险。监管明确禁止的算法（如 SHA-1 签名、TLS 1.0）直接进入最高优先级，不参与分值比较。
2. 第二层：单点放大效应。根 CA、统一认证、密钥管理服务等一旦失效会级联影响多个系统的节点，优先级上调一档。
3. 第三层：R 值排序。同层内按 R 值降序排列。
4. 第四层：迁移成本与窗口。同等风险下，先做“改配置即可完成”的项，把需要停机改造的项排入计划窗口。

这样排序的结果既符合合规刚性，又避免“根节点被埋在长尾里”的典型事故。

五、案例：某金融企业算法风险排序实践

某金融企业在一次密码算法治理中，先通过证书扫描与代码依赖分析，梳理出 312 个使用弱算法的对象。按上述方法打分后，得到如下排序片段（数据为教学示例，非真实企业实测）：

该企业还做了两处定性校准：核心账务报文签名虽 R 值低于支付网关，但它是全行清算链路的关键节点，一旦签名算法被攻破会引发资金类风险，因此被上调至与支付网关同批处理；测试环境自签证书虽分值低，但因其私钥曾与生产环境共用同一生成脚本，被要求先做密钥隔离再退役。这两处调整都记录了理由与证据，使排序结果可审计、可复盘。

把四个维度、量化公式、风险矩阵与分层排序准则固定下来，算法退役就从“谁声音大谁先做”变成“谁风险高谁先做”。下一阶段的工作，是把排序结果转化为可执行的迁移计划与验证方案。