SQL数据发现与分类

新版本的SQL Server Management Studio（v17.5）增加了一项新功能：SQL数据发现和分类。你可能还记得，在SSMS 17.4中，添加了漏洞评估功能。所以，这是前两个版本中的两个新功能。这是从SQL Server安装介质中解耦SSMS的美妙之处。我们获得更多功能，速度更快。但谈论这些就有些离题了。

任何使用Azure动态数据屏蔽的人都会很熟悉SQL数据发现和分类功能。这两个功能都使用T-SQL来解析列的名称以识别和分类数据。（数据迁移助手中也提供此功能，你可以在其中获得一个受益于动态数据屏蔽或始终加密的列的列表。）

SQL数据发现和分类功能将帮助用户发现，分类和标注包含敏感数据的列。该功能还允许为审计目的生成报告。这个特性可以通过GDPR，用不到三个月的时间，帮助您的公司保持合规性。

运行SQL数据发现和分类

使用数据发现和分类工具很容易。只需选择一个数据库并右键单击。转到任务 > 分类数据...。以下是一个使用GalacticWorks数据库测试的例子：

我的GalacticWorksTest数据库只有一个表，即AdventureWorks2012.Sales.CreditCard表的副本。你可以在这里看到扫描的结果：

我用绿框圈住了“ 信息类型”和“ 敏感性标签”列标题。我想确定你明白这些列中有下拉窗口，允许你根据需要改变它们。

信息类型的选项如下：银行，联系信息，证件，信用卡，出生日期，财务，健康，姓名，国家ID，网络，SSN，其他和[n / a]。这是下拉菜单的样子：

敏感性标签的选项如下：公共，一般，机密，机密 - GDPR，高度机密，高度机密 - GDPR和[n / a]。这是下拉菜单的样子：

SQL数据发现和非英文名称分类

由于该功能需要解析列名，我们将创建一个新表并使用非英文名称。我们也会为你们的列名使用缩写，这需要你有足够的经验可以记住通用的缩写。

好的，我们来创建一个新表格：

CREATE TABLE [Sales].[Tarjeta](
[TarjetaCreditoID] [int] IDENTITY(1,1) NOT NULL,
[TarjetaTipo] [nvarchar](50) NOT NULL,
[TarjetaNumero] [nvarchar](25) NOT NULL,
[TARNUM] [nvarchar](25) NOT NULL,
[ExpMonth] [tinyint] NOT NULL,
[ExpYear] [smallint] NOT NULL,
[ModifiedDate] [datetime] NOT NULL,
CONSTRAINT [PK_Tarjeta_TarjetaCreditoID] PRIMARY KEY CLUSTERED 
([TarjetaCreditoID] ASC
)ON [PRIMARY]) 
ON [PRIMARY]
GO

我创建了一张与Sales.CreditCard表几乎相同的表，除了我使用西班牙语名称作为credit（credito），card tarjeta），number（numero）和type（tipo）之外。我还添加了一个列TARNUM，TarjetaNumero的缩写。这是具有实际信用卡号码的列。

我们将再次重新运行分类（确保关闭第一个结果;否则，表格不会刷新）。另请注意，我不需要此表中的数据来评估这些列。我没有加载任何行到Sales.Tarjeta中，这里是结果（我已经向下滚动以显示三个新的行）：

数据发现和分类工具确定了三列：ExpMonth，ExpYear和CreditoID。然而，它不包含了TarjetaNumero和TARNUM，这些列有实际的信用卡号码。该TarjetaCreditID列没有卡号，只是一个IDENTITY（1,1）用于主键值。

最后一个有趣的事情是。当列被分类时，细节将被存储为扩展属性。这是一个例子：

您可以看到“数据发现和分类”功能未标记为此测试创建的列。由于该功能专注于关键字，因此在预计之中会跳过这些列。有两个原因。首先是关键词的使用有一定的文化偏见。例如，SSN被标记为美国社会安全号码的关键字。但在荷兰，可能将SOFINR作为社会财务编号的列名称缩写，而SOFINR目前未被标记。

第二个原因是该功能仅支持英语，并为少数非英语语言（西班牙语，葡萄牙语，法语，德语和意大利语）提供部分支持。（正如我在德国的SQL Konferenz上所写的那样，我发现Personalausweis是德国身份证的名称）。但是，我之前提供的MSDN没有提及支持的语言或排序规则。我希望MSDN页面得到更新以反映支持的语言和排序规则，以避免对用户造成混淆。

数据发现和分类报告

一旦你审查和分类你的数据，你将得到一个报告。以AdventureWorks2008为例，我将接受所有39条建议并单击保存 > 查看报告。结果如下：

该报告显示AdventureWorks2008数据库在19个已分类的不同列表中有39个不同的列。这是您现在可以交给审计团队的信息。

此报告位于数据库级别。这意味着您将需要推出自己的解决方案，以同时从多个数据库中获取详细信息。应该可以使用一些Powershell 的奇技淫巧来提取数据。或者，更好的是，启动PowerBI并使用它来构建自己的仪表盘。

总结

SQL数据发现和分类功能是微软迈出的第一步，帮助用户了解企业中哪里可能存在敏感数据。这也是一个好时机来提醒你为什么数据字典非常重要。即使使用了所有适当的工具，所有合适的人员，使用所有正确的知识，您仍然有可能错过一些敏感数据列。

那是因为实际生活很复杂，所以你的数据也是如此。识别和分类数据并非易事。只用右键单击鼠标并不能获得一个完美的结果。它需要数据专业人员的努力来为数据分类策划必要的元数据。并非每个数据专业人员都有时间或耐心进行此类工作。

但是数据发现和分类工具只是迈出的第一步。我迫不及待地想看着它成长。