镁冶炼行业数据分类指南 审阅版 241114(立项调整版)

Q/LB.□XXXXX-XXXX目次TOC\o"1-1"\h\t"标准文件_一级条标题,2,标准文件_附录一级条标题,2,"前言 II引言 III1范围 12规范性引用文件 1GB/T39335信息安全技术个人信息安全影响评估指南 13术语和定义 14数据分类原则 14.1科学性 14.2稳定性 24.3唯一性 24.4一致性 24.5主次性 25数据分类维度 25.1概述 25.2技术选型维度 25.3业务应用维度 26数据分类 37数据风险管控 37.1数据安全管理 37.2数据处理活动安全 37.3数据安全技术 47.4个人信息保护 4表1（资料性）镁冶炼行业典型数据分类 51镁冶炼行业典型数据分类 5前言本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。本文件由榆林市工业和信息化局提出。本文件由陕西省工业和信息化厅归口。本文件起草单位：榆林市工业和信息化局、西安交通大学、榆林市工业互联网协会、榆林学院、陕西省标准化研究院、中国工业互联网研究院、榆林能源集团、陕西天宇镁业集团有限公司、府谷县镁工业协会。本文件主要起草人：黄晶晶、罗瑞、李晓炜、孙元岗、刘烃、周亚东、张峰、刘雁南、张战国、刘力真、郭锐、寇阳、张扬、杨希、张平雅、惠远鹏、陈林、蒋涛、文尧顺、王伟、陈根永、井宇、冯治东、刘红霞、宋健博、徐占伯、吴江、武凯。本文件首次发布。本文件由榆林市工业和信息化局负责解释。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。联系信息如下：单位：电话：地址：邮编：引言镁冶炼行业作为重要的基础原材料产业，其数据管理与分类显得尤为重要。镁作为最轻的金属结构材料之一，具有独特的物理和化学性质，在国民经济多个领域，如汽车、航空航天、轨道交通、建筑以及电子产业中，均发挥着不可替代的作用。对镁冶炼行业的数据进行科学、合理、有效的分类与管理，对于提升行业效率、优化资源配置、推动技术创新以及促进可持续发展具有重要意义。镁冶炼行业生产和经营管理活动中产生、采集、加工、使用或管理的各类数据，包括但不限于以下：——煤炭生产过程中产生和获取的相关数据，如：煤炭燃烧、煤焦化热解、煤炭液化、煤炭气化等；——金属镁生产过程中产生和获取的相关数据，如：白云石煅烧以及氧化镁还原等；——企业安全生产过程中产生和获取的相关业务数据，如：供应链管理数据、设备管理数据、生产管控数据、能源管理数据、安全管理数据、环保管控数据等；——企业经营管理过程中产生和获取的相关数据，如：财务数据、资产数据、人力资源数据、投资数据、综合管理数据等。镁冶炼行业数据分为：——结构化数据：数据元素之间具有统一且确定关系的数据，具有明确定义的数据类型组成。结构化数据特点为数据以行为单位，也称作行数据，一行数据表是一个实体的信息，每一行数据的属性是相同的。结构化数据由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库（如MySQL、ORACLE、DB2、SQLServer等）进行存储和管理；——非结构化数据：数据元素之间没有统一和确定关系的数据。具有内部结构，但不通过预定义的数据模型或模式进行结构化的数据，不适于用数据库二维表来表现，非结构化数据占企业全部数据80%以上。包括各种图形图像数据、时间序列数据、体数据、音视频数据、日志数据、地理信息数据、社交网络数据和三维模型数据等；——半结构化数据：数据元素之间的关系介于结构化数据和非结构化数据之间的数据。具有非关系模型的、有基本固定结构模式的数据。包括日志文件、XML文档、JSON文档、E-mail等。中小企业数字化转型数据分类镁冶炼行业范围本文件规定了镁冶炼行业的数据分类原则、分类方法、分类维度、数据定级、数据风险管控。本文件适用于镁冶炼行业的全产业链条和经营管理活动中的产生、采集、加工、使用或管理的各类数据分类。规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T39335信息安全技术个人信息安全影响评估指南术语和定义下列术语和定义适用于本文件。

数据data任何以电子或者其他方式对信息的记录。

数据分类dataclassification根据数据的属性及特征，将其按一定原则和方法进行区分和归类，并建立起一定的分类体系和排列顺序的过程。

分类维度classificationdimension用于实现分类的数据所具有的某个或某些共同特征。

数据分类datagrading按照数据遭到破坏（包括攻击、泄露、篡改、非法使用等）后对国家安全、社会秩序、公共利益以及个人、法人和其他组织的合法权益（受侵害客体）的危害程度对数据进行定级，为数据全生命周期管理的安全策略制定提供支撑。数据分类原则科学性按照煤炭及其化工行业数据的多维特征及其相互间客观存在的逻辑关联进行科学和系统化的分类。稳定性分类应以数据分类方法为基础，具体参照附录B，并以最稳定的特征和属性为依据制定分类方案。分类一经确定，不会随意调整。唯一性一个数据项仅能找到一个对应分类。一致性同一大类下的中类或同一种类下的小类的划分维度要一致。主次性同一类别下的子类，将使用频率或价值较高的类别放在较前的位置。数据分类维度概述技术选型维度业务应用维度a）清理数据产生来源,明确数据权属和访问权b）明确数据应用场景,确定数据业务主题,判断数据应用价值数据分类根据镁冶炼行业特性及中小企业数字化转型需求，依照线分类法及同位类划分原则，从业务应用维度将镁冶炼行业划分为四级分类。其中：一级分类包括：生产管理、设备管理、供应管理、仓储物流、能源管理、安全生产、安全应急、经营管理；二级分类包括：镁冶炼生产过程管理、镁冶炼运营管理、金属镁生产工艺数据管理与分析、数字孪生、设备智能运维管理、企业供应链管理、过磅监测、镁冶炼/镁合金加工、能源双碳管理、皮带监测管理、镁行业安全生产双重预防管理、企业管理客户关系管理、资产管理、生产计划管理、人力资源管理。详细数据分类结果见表1。数据风险管控数据安全管理应从数据安全管理制度、安全组织机构、分类分级管理、合作外包管理、安全威胁和应急管理、开发运维管理、云数据安全等方面识别数据安全管理风险。数据处理活动安全应从以下方面识别数据处理活动安全风险：数据收集安全风险识别：主要从数据收集合法正当性、通过第三方收集数据安全、数据质量控制、数据收集方式、数据收集设备及环境安全等方面进行风险识别；数据存储安全风险识别：主要从数据存储适当性、逻辑存储安全、存储介质安全等方面进行风险识别；数据传输安全风险识别：主要从传输链路安全性、传输链路可靠性等方面进行风险识别。数据使用和加工安全风险识别：主要从数据使用和加工合法性、数据正当使用、数据导入导出、数据处理环境、数据使用和加工安全措施等方面进行风险识别；数据提供安全风险识别：主要从数据提供合法正当必要性、数据提供管理、数据提供技术措施、数据接收方、数据转移安全、数据出境安全等方面进行风险识别；数据公开安全风险识别：主要从数据公开适当性、数据公开管理等方面进行风险识别。数据删除安全风险识别：主要从数据删除管理、存储介质销毁等方面进行风险识别；其他数据处理活动安全风险识别：主要针对即时通信、快递物流、网上购物、网络支付、网络音视频、汽车、网络预约汽车服务等数据处理活动进行风险识别。数据安全技术应从网络安全防护、身份鉴别与访问控制、检测预警、数据脱敏、数据防泄漏、数据接口安全、数据备份与恢复、安全审计等方面识别数据安全技术风险。个人信息保护如被评估范围涉及个人信息处理，还应从个人信息处理基本原则、个人信息告知同意、个人信息处理、敏感个人信息处理、个人信息主体权利、个人信息安全义务、个人信息投诉举报、大型网络平台个人信息保护等方面识别个人信息保护风险。可视情采纳（部分）个人信息保护影响评估工作结论，也可依据GB/T39335识别个人信息保护风险。表1（资料性）

镁冶炼行业典型数据分类1镁冶炼行业典型数据分类镁冶炼