【转载】零信任+可信数据空间：以“永不信任、始终验证”筑牢数据流通安全底座

江南信安

2026年10月13日 16:35
北京

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

以下文章来源于信息安全与通信保密杂志社
，作者Cismag

信息安全与通信保密杂志社
.

网络强国建设的思想库、安全产业发展的情报站、创新企业腾飞的动力源

编者荐语

Editor's Recommendation

本文聚焦可信数据空间安全，引入零信任“永不信任、始终验证”理念，系统梳理TDS架构与关键技术，提出“双核驱动、四维联动”融合架构，从身份、策略、行为、通信四维实现数据全生命周期细粒度管控与主动防御，并分析性能开销、跨域互操作、策略冲突等挑战及对策，为构建安全可信的数据流通生态提供参考。

文献引用

袁健 , 蒋亮 , 戴玲琳 , 等 . 零信任在可信数据空间安全应用探究[J]. 信息安全与通信保密 , 2026(8): 68-80.

摘　要

随着数据要素化进程加速推进，可信数据空间（TDS）作为保障数据安全流通的核心基础设施，正受到广泛关注。首先，从技术角度系统剖析可信数据空间的核心架构与关键技术；其次，为进一步提升系统的动态安全防护能力，引入零信任理念，并分析二者在身份认证、访问控制、持续验证及动态策略执行等方面的融合路径。通过构建“永不信任，始终验证”的安全范式，实现对数据全生命周期的细粒度管控与主动防御，从而有效应对内部威胁与横向移动攻击，为构建高安全、高可信、高可用的数据流通生态提供理论支撑与参考。

关键词

可信数据空间；零信任；数据安全；身份认证；持续验证

0

引　言

在数字经济蓬勃发展的时代背景下，数据已被确立为继土地、劳动力、资本和技术之后的第五大生产要素，成为驱动产业升级与创新变革的核心资源。2024年11月，国家数据局印发《可信数据空间发展行动计划（2024—2028年）》，提出“可信数据空间是基于共识规则，联接多方主体，实现数据资源共享共用的一种数据流通利用基础设施，是数据要素价值共创的应用生态，是支撑构建全国一体化数据市场的重要载体”，旨在引导和支持可信数据空间（trusted data space,TDS）发展，促进数据要素合规高效流通使用，支撑构建全国一体化数据市场。

然而，数据要素化进程面临多重安全困境：一是数据泄露风险持续存在，2025年全球平均数据泄露成本高达444万美元；二是数据流通中的信任机制缺失导致跨组织、跨行业、跨云环境的数据协作难以推进，形成“数据烟囱”与“信任壁垒”；三是数据安全与流通效率的平衡难题。如何在保障安全与合规的前提下实现数据高效流通，已成为当前亟须解决的关键问题。目前国内也在通过完善法律法规，将数据安全提升到法律约束的层面 ，旨在全面推动数据要素市场化流通释放经济价值 。在数据主权方面，国内的许多研究者选择保护路径和保护模式作为研究视角 进行研究；在隐私保护方面，相关学者从不同的应用场景出发，进行了各类研究。尽管当前研究已在数据主权保障与隐私保护方面取得进展，但在应对动态威胁、内部恶意行为与设备级风险方面仍显不足，尤其在跨域协作场景中缺乏对访问主体的持续监控能力。本文聚焦于将零信任技术融入TDS，探讨系统架构设计、可行性分析、面临的挑战和对策，旨在填补现有研究在动态安全与数据主权协同保障方面的不足，为构建安全可信的数据要素流通基础设施提供技术分析和参考。

1

综　述

1.1 TDS的提出

可信数据空间的理论雏形最早可追溯至2005年，当时，美国计算机科学家迈克尔·富兰克林等人提出“数据空间（data space）”的概念，主张数据应是一种共存而非简单的集成，以增量方式融合异构资源。随着数据安全流通需求的增强，该概念在 2018年升级为“国际数据空间（international data spaces）”，最终发展为如今聚焦可信、基于共识规则、联接多方主体实现数据资源共享共用的“可信数据空间”。

欧洲主导的Gaia-X项目是可信数据空间的典型实践，旨在构建跨行业的数据共享平台，强调数据主权和互操作性，旨在打造一个去中心化、受控且透明的数据共享生态系统，使数据提供方在不丧失控制权的前提下实现数据的价值释放。其本质是由技术、治理与协议共同支撑的虚拟数据协作环境，核心理念包括“数据可用不可见”“数据主权归属明确”及“操作行为全程可审计”。通过加密、访问控制、隐私计算与策略引擎等技术组合，TDS确保数据在存储、传输与使用各环节均处于受保护状态，从而在保障安全的同时促进数据要素的市场化流通。同时，我国也在积极探索适用于国内场景的TDS实践路径 。

1.2 零信任的兴起

传统网络安全模型依赖于静态边界防护，假设用户或设备一旦进入内网即视为可信。这种“一次验证，始终信任”的模式在云原生、远程办公、多云混合部署等新型IT环境下已显乏力，极易被攻击者利用进行横向渗透。零信任安全理念由Forrester Research的分析师John Kindervag于2010年首次提出，其核心理念是“永不信任，始终验证”，即无论访问请求来自网络内部还是外部，均须经过严格的身份认证、设备合规性检查与最小权限授权。零信任强调以资源为中心、以身份为基石、以策略为驱动，通过持续的风险评估与动态权限调整，构建适应复杂环境的主动防御体系，已成为新一代安全理念的发展方向。

2

TDS核心理念与架构设计

2.1 TDS核心理念

TDS是一种基于共识规则与技术保障的虚拟数据协作环境，通过构建可信管控、资源交互及价值共创3大核心能力，允许多方在保持数据控制权的前提下，为数据的生成、流通、共享和使用提供安全可信环境。其核心原则包括：

（1）数据主权：数据提供者始终保有对数据的控制权，可自主决定数据的使用方式、访问对象与使用期限。

（2）安全共享：通过加密、访问控制与审计机制保障数据在流转过程中的机密性、完整性与可用性。

（3）隐私保护：遵循《中华人民共和国数据安全法》《网络数据安全管理条例》等法律法规要求，落实数据最小化、目的限制与知情同意原则。

（4）可审计性：所有数据操作行为均被记录并不可篡改，支持事后追溯与合规审查。

（5）互操作性：支持跨平台、跨组织、跨标准的数据交互，促进生态开放与协同。

2.2 分层架构逻辑

图1为TDS典型架构，通常采用5层逻辑架构，实现功能解耦与模块化部署，通过自上而下的管控与自下而上的反馈，形成一个动态、闭环的治理体系。该架构通过“制度+技术”构建TDS公共基础设施，提供“可信管控、资源交互、价值共创”的能力。

图1 TDS典型架构

该架构包含了数据层、安全层、控制层、应用层和治理层，各层的说明如下：

（1）数据层：是架构的基石，主要负责原始数据与元数据的存储、目录管理与版本控制，支持结构化与非结构化数据接入。该层覆盖从传统关系型数据库到现代大数据平台及云存储等多种环境，接收来自安全层的直接控制，如存储引擎接收并执行加密指令，确保数据在静态存储时的安全。

（2）安全层：是数据安全的“武器库”，集成加密服务、身份认证、访问控制、日志审计等安全组件，提供具体的技术控制措施，并为上层提供统一的安全能力接口。其核心目标是保障数据的机密性、完整性和可用性。

（3）控制层：是架构的“智能中枢”，包含策略引擎、权限管理、审计监控与合规检查等模块，负责安全策略的协调，对所有访问请求进行动态、细粒度的授权判断，实现对数据访问行为的集中管控。

（4）应用层：直接面向业务用户，提供数据共享接口、分析工具、可视化看板与数据API网关，支撑多样化业务应用场景。所有数据访问请求都必须通过控制层的校验才能执行。

（5）治理层：是架构的“指南针”，制定数据分类分级标准、合规策略、权责分工与审计流程，解决“谁来管，管什么，依据什么”的治理问题，确保系统运行符合法律法规与行业规范。

3

零信任核心理念与技术要素

3.1 零信任核心理念

零信任摒弃传统网络边界的概念，主张在任何访问场景下均执行严格的安全验证，其核心原则包括：

（1）默认不信任：所有主体（用户、设备、应用）在未完成完整认证与授权前均视为不可信。

（2）持续验证：在每次访问请求及关键操作节点重复执行身份与设备状态验证。

（3）最小权限：仅授予完成当前任务所必需的最低权限，且权限具有时效性。

（4）动态调整：根据上下文信息（如地理位置、时间、行为模式、终端状态）动态调整访问策略。

（5）全面加密：所有通信必须加密，禁止明文传输。

（6）实时监控与响应：对所有访问行为进行记录、分析与异常检测，支持自动响应。

3.2 主要技术模型

零信任并非单一的技术产品，而是一套安全架构理念。其落实需要依托系统化的技术模型作为支撑，将抽象的安全原理转化为可执行、可度量、可演进的工程实践。零信任技术模型如图2所示。

图2 零信任技术模型

访问主体是指发起数据访问请求的实体，请求前必须经过身份认证与属性校验，确保其身份真实、权限合法。控制层面承担策略管理与决策职能，接收访问请求的上下文信息，结合身份属性、风险评估结果与策略规则，进行“允许”或“拒绝”的访问决策。策略执行负责将控制平面的决策结果转化为具体的执行动作，并对执行过程进行日志记录与审计追溯。数据平面则负责实际的数据流通与处理任务，在策略执行管控下完成数据的加密传输、访问代理与使用控制，确保数据始终在受控环境中流转。零信任的核心要点如下：

（1）软件定义边界（software-defined perimeter,SDP）：网络访问的统一关口，由控制器与网关构成，采用单包授权（single packet authorization,SPA）或API认证机制，实现“先认证，后连接”，隐藏后端服务真实IP，实现网络资源隐藏。

（2）身份定义边界（identity-defined perimeteras a service,IDaaS）： 零 信 任 的 信 任 基 石， 以身份为核心，采用统一身份管理、多因素认证（multi-factor authentication,MFA） 等 技 术， 并依托动态授权引擎，根据用户属性、资源属性、环境属性等维度制定访问策略。所有访问均须通过身份提供商（identity provider,IdP）的验证。

（3）微隔离（micro-segmentation,MSG）：在数据中心内部按业务单元划分离散区，集中管理所有工作负载的隔离策略，基于应用、服务、环境等维度创建安全段，限制东西向流量，防止横向扩散。

（4） 零 信 任 网 络 访 问（zero trust networkaccess,ZTNA）：实现零信任架构下的远程安全访问，提供安全的远程接入点，对远程访问的风险与权限进行评估，在会话过程中持续监控设备健康状态与用户行为，基于身份隧道技术，支持按需连接 。

4

TDS与零信任的融合机制设计

4.1 关键技术组成

在可信数据空间与零信任的融合设计中，需围绕“数据可信流通”与“访问持续可信”两大目标，构建覆盖数据全生命周期与访问全链路的数据体系。具体而言，该体系涵盖数据加密技术、隐私计算技术、访问控制机制、身份认证体系、策略决策与执行和持续监控与风险评估。

4.1.1 数据加密技术

通过传输加密、静态存储加密等加密手段，确保数据在跨域流通的每一个环节始终处于密态保护之下，防止数据在传输与存储过程中被窃取或篡改。

（1）静态加密：采用AES-256或国密SM4等算法对存储中的数据进行强加密，密钥由硬件安全模块（hardware security module,HSM）或密钥管理服务（key management service,KMS）统一管理。

（2）传输加密：使用TLS 1.3协议保障数据在网络传输过程中的安全性，支持双向认证与前向保密。

（3）使用中加密：引入同态加密（homomorphic encryption,HE）、安全多方计算（securemulti-party computation,MPC）与可信执行环境（trusted execution environment,TEE） 等 前 沿 技术，实现“数据不动模型动”“数据可用不可见”的计算范式，确保数据在处理过程中亦受保护。

4.1.2 隐私计算技术

借助多方安全计算、联邦学习、可信执行环境等技术，实现“数据可用不可见”，使数据在不离开权利方控制范围的前提下，完成跨域协同计算，从根本上保障数据主权。

（1）MPC：允许多方在不暴露原始数据的前提下协同完成统计分析或机器学习任务，基于秘密共享与混淆电路等密码学原语实现。

（2）联邦学习（federated learning,FL）：在本地训练模型并仅共享模型参数，避免原始数据外泄，适用于医疗、金融等高敏感场景。

（3）TEE：利用Intel SGX[17-18]、ARM TrustZone、AMD的安全加密虚拟化（secure encrypted virtualization,SEV）等硬件级隔离技术，创建安全飞地，确保代码与数据在运行时不受操作系统或虚拟机监控器侵害。

（4）差分隐私（differential privacy,DP）：在查询结果中注入可控噪声，防止通过统计输出反推个体信息，增强分析结果的隐私安全性。

4.1.3 访问控制机制

基于角色、属性与策略的多维访问控制模型，结合最小权限原则，对每一次数据访问请求实施细粒度的权限判定与动态收敛，确保数据使用始终在授权范围内。

（1）属性基访问控制（attribute-based accesscontrol,ABAC）：基于用户角色、部门、安全等级、时间、位置等多维属性进行细粒度授权，支持复杂策略表达。

（2）基于风险的动态访问控制（risk-basedaccess control,RBAC）：结合实时风险评分调整权限级别，如检测到高风险登录行为，则自动降权。

（3）策略语言标准化：采用可扩展访问控 制 标 记 语 言（extensible access control markuplanguage,XACML）或开放策略代理（open policyagent,OPA）的Rego语言描述访问策略，提升策略的可管理性与可移植性。

4.1.4 身份认证体系

以统一身份与访问管理为基础，融合可验证凭证（verifiable credentials,VC）、MFA等机制，在跨域场景下实现身份的持续验证与可信传递，为“永不信任，始终验证”提供身份锚点。

（1）MFA：强制要求至少两种认证因子（知识类、持有类、生物特征类）组合。

（2）设备认证：通过设备指纹、证书、健康状态检测（如是否越狱、是否有恶意软件）验证终端可信性。

（3）应用认证：为每个微服务或API分配唯一身份证书，防止非法调用。

（4）SPA：替代传统端口开放，仅在认证通过后动态开放访问通道。

4.1.5 策略决策与执行

通过策略决策点与策略执行点的分离设计，将安全策略的定义、分发与执行解耦，支持策略的集中管理与分布式执行，确保管控规则在异构平台间的一致性。

（1）策略决策点（policy decision point,PDP）：基于预设策略规则与实时风险评分作出访问决策。

（2）策略执行点（policy enforcement point,PEP）：部署在资源前端，拦截请求并执行PDP的决策结果。

（3） 策 略 信 息 点（policy information point,PIP）：连接身份目录、设备管理平台、风险引擎等，为PDP提供决策所需上下文信息。

（4）策略管理点（policy administration point,PAP）：支持策略的集中定义、版本管理与分发。

4.1.6 持续监控与风险评估

对数据访问行为与系统运行状态进行全链路实时监测，结合威胁情报与风险评分模型，动态识别异常行为并触发分级响应，实现从被动防御到主动感知的安全能力升级。

（1）用户与实体行为分析（user and entity behavior analytics,UEBA）：利用机器学习建立正常行为基线，识别偏离模式（如非工作时间大量下载）。

（2）风险自适应认证（risk-based authentication）：低风险场景免密通行，高风险场景触发强认证。

（3）实时威胁检测：集成安全信息与事件管理（security information and event management,SIEM）、安全编排与自动化与响应（security orchestration,automation and response,SOAR）系统，结合威胁情报进行实时关联分析与自动响应。

4.2 融合可行性分析

TDS聚焦数据要素流通性，通过数据主权、隐私计算、使用控制等技术，确保数据“可用不可见，可控可计量”，其核心是数据控制保护，解决“数据如何被使用”的问题。

但是TDS在实际应用中存在以下安全短板：

（1）静态访问控制：用户通过一次认证后可长期访问，无法应对会话劫持或权限滥用。

（2）内部威胁防护不足：对已授权用户的恶意导出、批量下载等行为缺乏有效遏制。

（3）设备与环境因素忽略：未将终端安全状态、网络环境、地理位置等纳入访问决策。

（4）跨域身份互认困难：不同组织间身份标准不一，难以建立可信链。

而零信任强调“永不信任，持续验证”，通过身份、设备、网络、应用等多维度的动态评估，实现最小权限访问控制，其核心是安全验证控制，解决了“谁能访问”的问题。其架构恰好弥补上述缺陷，通过持续验证、动态策略与设备级控制，构建“纵深防御 + 主动感知”的安全闭环。

二者的融合不是简单叠加，而是理念与技术的重构升级，零信任控制入口、TDS管理使用过程，形成以“数据为中心，身份为锚点，策略为驱动”的新型安全方式。从主要相关技术的兼容性方面进行进一步分析，结果如表1所示。

表1 主要技术兼容性分析

从技术实现看，二者在身份认证、加密技术、审计追踪等基础能力层面具有较高的复用性，仅需在策略编排和隐私计算等环节进行额外集成或统一设计。

TDS构建的跨组织数据流通环境，其核心在于保障数据主权，在这一维度上，二者构成高度互补、深度融合的技术体系，零信任为保障数据主权在跨域流通中不因边界消失而失控提供了精细化的安全管控能力。例如，为保障数据主权，TDS所采用的身份与信任锚、策略执行与使用控制、隐私保护与计算技术、存证与溯源体系等关键环节，都需与零信任进行深度融合。

4.3 融合架构设计

TDS与零信任的技术融合，不仅是技术层面的集成问题，更是一个涉及数据来源、处理、存储、传输等全链路的系统性工程。其目标在于构建一个安全、可靠且能保障数据合法合规使用与流转的环境，确保只有合法、合规的访问请求才能被允许，从而从根本上提升数据空间的安全性和可信性。为此，本文提出“双核驱动、四维联动”的融合架构，如图3所示。

图3 融合架构

4.3.1 双核驱动

其中，数据控制核心负责数据全生命周期的主权管理，确保数据始终在权利人的需求下流动。而安全验证核心则承担跨域身份互认、凭证校验与信任信息传递，特别是在异构平台间建立可验证的信任链路，双核协同运作，共同构成可信数据空间的技术底座。

（1）数据控制核心：负责保障数据本身的机密性与使用策略，是数据主权和安全共享原则的直接技术体现。该核心继承TDS的数据主权管理能力，通过数据采集与分类管理，结合细粒度访问控制，对数据使用行为进行精准管控。同时，利用区块链存证 与溯源技术，对所有数据访问、授权、使用等关键操作生成不可篡改的记录，形成完整的审计线索，确保任何操作可追溯、可验证，满足合规审计要求。此外，对静态和传输中的数据进行加密，并在开发测试等场景中采用脱敏数据，确保数据“可用不可见”。

（2）安全验证核心：负责构建信任体系与合规验证体系，嵌入零信任的多因子身份认证、设备验证、行为监控及策略执行等能力，是隐私保护、可审计和动态信任的保障。采用动态信任评估引擎，持续收集并分析用户、设备及应用的行为数据，实时计算其信任等级，使信任分数不再是二元的（可信 / 不可信），而是呈现动态连续变化，为后续的数据行为分析与审计等提供依据。同时，依托隐私计算引擎，集成FL、MPC、TEE等技术，实现各交换行为之间的微隔离防护，在保护原始数据隐私的前提下完成联合计算。

4.3.2 四维联动

四维联动体现零信任思想，将安全能力编织成一张持续运作的防护网。

（1）身份联动：旨在构建统一、动态变化的身份视图，不仅涵盖用户身份，还包括设备、应用、API等实体的身份。建立可支持多模式的身份联邦平台，统一身份联邦机制支持跨域互认，并与动态信任评估联动，实现从“一次认证”到“持续验证”的转变。

（2）策略联动：用以确保安全策略的统一制定与精准执行，是架构中的“大脑”与“神经”传导系统。主要包括策略决策与策略执行两大环节。当有访问请求时，PEP将请求上下文（来自身份、行为维度）发送给PDP，PDP根据ABAC策略引擎（数据控制核心能力）和实时风险（行为维度反馈）进行综合决策，并将决策指令下发给PEP执行。

（3）行为联动：用以实时感知内部威胁与异常操作，实现主动防御。通过UEBA技术建立正常行为基线，实时检测偏离基线的异常行为（如非工作时间访问敏感数据、异常批量下载）。一旦发现高风险行为，立即向策略联动层反馈，触发访问权限的重新评估或中断。

（4）通信联动：用以保障数据传输通道的安全与隔离，减小攻击面，除常规的传输加密外，结合零信任的MSG和SDP，将网络划分为尽可能小的隔离单元，并为每次通信建立独立的临时加密隧道，实现网络隐藏，使攻击者难以发现目标。

5

融合面临的挑战与对策构思

5.1 架构复杂度性能开销与延迟问题

零信任的持续验证机制（如UEBA实时分析）与TDS采用的隐私计算（如MPC的多方通信）等加密操作，会带来额外的延迟与性能开销，二者叠加后可能影响高并发场景下业务响应时间，进而影响用户体验。针对上述挑战，主要对策构思如下：

（1）算力优化：实现安全与效率平衡的关键策略。一方面，通过支持SGX的CPU加速加密运算，降低加密/解密操作的计算开销；另一方面，根据数据敏感度差异选择隐私计算技术路径。对于低敏感度数据（如统计结果），可优先采用MPC；对于高敏感度数据，则更适合依赖TEE。这种差异化技术选型策略既能满足合规要求，又能避免过度依赖高开销方案导致的效率损失。

（2）采用分层架构设计：将实时性要求高的控制逻辑（如身份验证）与计算密集型任务（如隐私计算）进行分离部署。在区域节点引入边缘计算，部署轻量级PDP与PEP，减少回源延迟。

（3）策略优化：采用决策树模型提升策略匹配效率，对低风险场景采用轻量级验证，对低风险读操作采用短时缓存授权，对高风险操作则启用完整认证、审批流程，实现安全管控与访问控制效率的动态平衡。

5.2 跨域互操作与标准统一规划

当前，不同组织、不同平台间的身份互认、数据格式与接口标准不统一，会导致跨域数据流通困难，可从以下几个方面进行应对。

（1）基于区块链构建跨域身份账本：采用分布式身份（decentralized identifier,DID）技术，实现跨域身份互认，支持用户对自身身份的完全掌控。

（2）统一数据标准体系：制定数据分类分级、元数据描述等标准，需在系统顶层设计阶段规划标准的统一性，并在实施阶段通过迭代方式逐步完善数据图谱，形成全面的数据标识体系，兼顾上下兼容性与可扩展性。

（3）建立跨域可信互操作机制：通过API网关与连接器模式，适配不同平台间的技术差异；利用VC与声明性属性证书，实现跨域安全属性传递。

（4）跨域身份映射与授权机制：在不同身份域之间建立安全映射关系，支持跨组织单点登录与权限传递，兼容OpenID Connect、SAML2.0、OAuth2.1等主流协议。

5.3 策略冲突与编排管理复杂性

多方策略可能存在优先级冲突或逻辑矛盾。零信任的ABAC策略与TDS使用的控制策略之间可能产生冲突或冗余。主要的应对构思如下：

（1）分层策略引擎：设置全局策略（高优先级）与局部策略（低优先级）。

（2）策略协商机制：支持多方在线协商与版本管理，具备策略冲突检测机制，并在策略下发前进行语义校验。

（3）自动化检测工具：基于形式化方法进行策略一致性验证。如涉及统一的策略描述语言（如XACM 扩展），覆盖访问控制和使用控制两个维度。采用策略即代码（policy as code）方式，实现策略的可编程管理。

6

未来发展趋势

6.1 AI驱动的智能风险决策

AI驱动的智能风险决策是零信任与TDS融合架构的“大脑”，通过大模型技术实现从被动防御到主动预测的转变。核心在于利用大语言模型和深度学习算法，对海量用户行为日志、设备状态、网络流量等多维数据进行关联分析，建立动态行为基线，实现早期预警。在策略优化方面，可基于历史访问模式、业务场景和风险评分，生成最小权限策略，并通过强化学习持续优化。未来发展方向包括多模态大模型融合（文本、时序、数据联合分析）、FL隐私保护，以及可解释AI增强决策透明度，确保安全团队能够理解AI的决策逻辑。

6.2 与机密计算深度融合

零信任强调“永不信任，持续验证”，但验证过程本身需要敏感数据，一旦策略引擎或分析模型被植入后门，所有信任判定都将失效，因此把“策略引擎”和“数据”同时装进TEE，形成“验证者亦被验证”的双向闭环。具体而言，基于SGX、安全增强型虚拟化—安全嵌套分页（security enhanced virtualization-secure nestedpaging,SEV-SNP）和内存保护密钥（memory protection key,MPK）的跨云统一抽象层，实现机密计算资源池化，支持将零信任控制平面以加密状态迁移至任意云，实现“集群级可信热迁移”。这可确保策略决策过程本身不被篡改和窥探，即使云服务商无法获取策略逻辑和敏感上下文信息。

6.3 标准化参考架构

零信任与数据安全的融合尚缺乏统一语言，导致产品碎片化、评估主观化，故而标准化是融合技术落地的关键。当前电气电子工程 师 协 会（Institute of Electrical and ElectronicsEngineers,IEEE）、国际标准化组织（International Organization for Standardization,ISO）、互联网工程任务组（Internet Engineering Task Force,IETF）等国际标准化组织已启动相关工作，如IEEEP1918.1（TDS架构）、NIST SP 800-207（零信任架构）等，但是融合标准的统一尚处于早期。标准化需要明确各层组件（身份、策略、数据、网络）的接口规范、数据格式、安全协议，明确不同厂商产品间的互操作性。目前的《可信数据空间标准体系建设指南》（2025年版）中，可信管控是三大主轴能力之一，相关标准体系已经包含相关技术要素的规范要求，为SDP、IAM等零信任技术提供了标准化的技术框架和规范要求。TDS和零信任均已进入 IEEE、ISO等国际标准化组织的参考架构标准化工作阶段，但在基础安全组件（如身份管理、访问控制）层面，二者的技术理念和实现方式存在一定趋同，因此当前尚未建立明确的跨标准互通互认机制。

6.4 自动化合规引擎

自动化合规引擎是实现数据安全与业务敏捷平衡的关键支撑，核心是构建法律法规知识图谱（如《数据安全法》《个人信息保护法》《通用数据保护条例》）将条文条款转换为机器可读的规则和逻辑关系，包括数据分类分级规则、跨域传输条件、用户权利响应流程等。技术的难点在于法律条文的语义化解析（需结合自然语言处理技术）、多源异构日志的归一化处理，以及误报率控制（避免过度告警）。未来发展方向包括：与业务系统深度集成（在数据流转各环节嵌入合规检查点），支持多法规并行以及合规态势可视化，最终实现“合规级代码”，将合规要求嵌入系统设计和运维流程中。

7

结　语

在TDS中应用零信任技术，可以将数据安全防护方式从“被动防御”转变为“主动管控”。本文提出一种融合架构的思路，通过统一身份、动态控制、持续验证与MSG等机制，实现了对数据全生命周期的细粒度、动态化、可审计的安全保障，能显著提升数据共享的安全性与效率，有效降低泄露风险与合规成本，但是需要从“技术+制度”两方面进行保障，同时需要强有力的专业团队进行维护。未来，随着AI、区块链与加密计算技术的演进，融合架构将向更智能、更自治、更开放的方向发展，构建安全可信的数据流通生态需要技术、标准、治理与产业协同推进，持续推动数据价值的充分释放，让数据真正成为经济社会发展的重要驱动力。