追踪数据脱敏

介绍

在分布式系统的链路追踪中，Zipkin会收集请求的元数据（如HTTP头、URL参数等），这些数据可能包含敏感信息（如密码、API密钥）。追踪数据脱敏是指通过规则配置或编程方式，在数据存储或展示前对敏感字段进行掩码或删除，确保隐私和安全。

为什么需要脱敏？

• 避免泄露用户凭证（如Authorization头）
• 符合GDPR等数据保护法规
• 防止内部人员滥用日志数据

核心机制

Zipkin提供两种脱敏方式：

1. 内置字段过滤

通过配置zipkin-server的启动参数，自动屏蔽常见敏感字段：

bash

java -jar zipkin-server.jar --zipkin.collector.scribe.enabled=false \
  --zipkin.collector.http.enabled=true \
  --zipkin.collector.http.sensitive-headers=password,token

2. 自定义脱敏器（以Java为例）

通过实现SpanConsumer接口，在数据存储前修改内容：

java

public class MaskingSpanConsumer implements SpanConsumer {
  private final SpanConsumer delegate;

  public void accept(List<Span> spans) {
    spans.forEach(span -> {
      if (span.tags().containsKey("ssn")) {
        span.tag("ssn", "***-**-****");
      }
    });
    delegate.accept(spans);
  }
}

实际案例

场景：电商支付系统

追踪数据中需要脱敏的字段：

• 信用卡号（card_number）
• 用户ID（user_id）
• 支付令牌（payment_token）

示例输入/输出

原始Span标签:

json

{
  "traceId": "abc123",
  "tags": {
    "card_number": "4111-1111-1111-1111",
    "amount": "100.00"
  }
}

脱敏后:

json

{
  "traceId": "abc123",
  "tags": {
    "card_number": "4111-****-****-****",
    "amount": "100.00"
  }
}

进阶技巧

正则表达式脱敏

使用模式匹配处理动态字段：

java

span.tags().replaceAll(
  (k, v) -> k.matches(".*(secret|key).*") ? "MASKED" : v
);

环境区分

开发环境保留完整数据，生产环境启用脱敏：

yaml

# application-prod.yml
zipkin:
  masking:
    enabled: true
    patterns: ["credit_card", "ssn"]

总结

关键点	实现方式
静态字段脱敏	服务启动参数配置
动态字段脱敏	自定义SpanConsumer实现
复杂模式匹配	正则表达式

注意事项

1. 脱敏后数据不可逆，调试时可能需要白名单机制
2. 确保脱敏规则不影响关键业务字段的分析
3. 在测试环境验证所有规则

扩展资源

1. Zipkin官方数据收集文档
2. Spring Cloud Sleuth字段过滤配置
3. 练习：为你的Zipkin实例配置脱敏规则，捕获包含email字段的请求并验证效果