数据分类分级操作指南（2025版）

数据分类分级操作指南（2025版）一、2025年数据分类分级核心目标与基本原则在数字经济全面深化、数据要素市场化配置加速推进的2025年，数据分类分级已从基础的合规要求演变为企业数据治理、资产沉淀与安全防护的核心基石。本指南旨在为组织提供一套科学、系统、可落地的数据分类分级操作框架，确保在海量数据流转与业务场景中，实现“资产摸得清、风险防得住、价值用得起来”的综合目标。1.1核心目标数据分类分级的根本目的在于平衡数据安全与数据价值。首先，通过全面盘点，构建清晰的数据资产目录，解决“数据在哪里、是谁的、什么级别”的底数不清问题。其次，建立差异化安全管控策略，将有限的安全资源向高价值、高风险数据倾斜，避免“一刀切”带来的安全短板或业务阻碍。最后，为数据共享、交易、AI大模型训练等高阶应用提供信任基础，推动数据要素安全合规流转。1.2基本原则合法合规与业务赋能并重：在满足国家法律法规及行业监管要求的前提下，分类分级必须紧密结合业务逻辑，避免脱离实际的纯理论划分。科学合理与多维划分：选择组织最需要、最契合的业务维度作为分类基准，分级则需综合考量数据的安全属性（保密性、完整性、可用性）及影响范围。就高不就低与动态调整：当不同维度的数据汇聚或融合时，应按照最高级别的数据实施保护；同时，分类分级不是一次性工程，需随着业务发展、法律法规更新进行动态评估与调整。自动化与智能化驱动：鉴于2025年数据量的指数级增长，必须依托AI大模型、元数据自动发现等技术，实现分类分级的自动化打标与持续运营。二、数据分类框架体系构建数据分类是将具有某种共同属性或特征的数据归并集合的过程。分类应采用面分类法与线分类法相结合的策略，构建多维立体的数据分类树。2.1分类维度选择组织应优先以业务运营维度作为主分类线，辅以数据来源、敏感程度等维度进行交叉定位。主分类通常包括但不限于：客户数据、员工数据、财务数据、运营数据、研发数据、公共数据等。2.2多维数据分类参考矩阵业务主域业务子域典型数据实体数据形态业务说明客户管理身份与认证客户姓名、身份证号、手机号、人脸特征结构化/非结构化用于客户实名认证与账户登录客户管理交易与行为订单记录、支付流水、浏览轨迹、评价数据结构化/半结构化反映客户消费习惯与业务偏好内部运营人力与组织员工档案、薪酬记录、绩效考核、考勤数据结构化/文档支撑企业内部人力资源管理与调度内部运营生产与供应链供应商清单、采购合同、库存台账、物流状态结构化/文档保障企业日常生产与供应链运转核心技术研发与知识产权源代码、算法模型、产品设计图、专利草案代码/非结构化企业核心竞争力的技术资产沉淀财务资产资金与税务财务报表、银行账户、税务申报表、发票结构化/文档反映企业经营状况与资金流向公共与外部监管与市场行业统计公报、公开市场报告、政务公开数据结构化/网页外部获取或需对外公开的数据2.3分类颗粒度控制分类颗粒度不宜过粗或过细。过粗将导致安全策略难以落地，过细则增加管理成本。建议数据分类层级控制在三级至四级以内。例如：一级域（客户数据）->二级域（客户交易数据）->三级实体（订单支付流水）。对于非结构化数据（如文档、图片），分类应细化到文件级或知识库级；对于结构化数据（如数据库），分类应细化到表级或字段级。三、数据分级标准与判定模型数据分级是在分类基础上，根据数据遭到篡改、破坏、泄露或非法获取、非法利用后，对国家安全、公共利益或者个人、组织合法权益造成的危害程度对数据进行定级。3.1分级基本框架根据现行法律法规及2025年数据要素化发展要求，数据从高到低通常分为核心数据、重要数据和一般数据三个基本层级，其中一般数据可根据敏感程度进一步细分为1级至4级。3.2数据分级影响评估矩阵判定数据级别需综合评估“影响对象”与“影响程度”。影响对象特别严重危害严重危害一般危害轻微或无危害国家安全/公共利益核心数据重要数据一般数据-4级一般数据-1级/2级企业合法权益/业务运转重要数据一般数据-4级一般数据-3级一般数据-1级/2级个人合法权益（隐私）一般数据-4级一般数据-3级一般数据-2级一般数据-1级判定说明导致业务长时间中断或面临巨额罚款导致业务局部中断或重大声誉损失导致个别业务受损或一定范围投诉影响极小，可通过常规手段快速恢复3.3各级别数据特征与范围界定3.3.1核心数据关乎国家安全、国民经济命脉、重要民生和重大公共利益等数据。例如：涉及国家秘密的数据、关系国家经济运行核心指标的数据、关乎国家关键信息基础设施底层架构的数据。此类数据实行最严格保护，禁止未经授权的访问与出境。3.3.2重要数据一旦遭到篡改、破坏、泄露或者非法获取、非法利用，可能危害国家安全、公共利益或严重影响企业生存发展的数据。例如：大规模人口健康统计数据、关键基础设施的运行日志与拓扑图、汇聚处理超百万级个人信息的数据集、涉及行业核心工艺的未公开技术数据。2025年，重要数据的识别需严格对照行业主管部门出台的《重要数据识别指南》。3.3.3一般数据核心数据和重要数据以外的其他数据。一般数据-4级（高敏感）：包含敏感个人信息（如生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹等），以及企业核心商业秘密。一旦泄露会导致个人严重损害或企业重大经济损失。一般数据-3级（中敏感）：包含一般个人信息（如姓名、手机号、邮箱等），以及企业内部重要运营数据（如未公开的财务季报、中层人事变动）。泄露会导致个人权益受损或企业一定经济损失。一般数据-2级（低敏感）：企业内部日常办公数据、内部公开通知、脱敏后的统计报告等。泄露影响有限，不涉及个人隐私。一般数据-1级（公开）：已对外公开披露的数据，如官方网站新闻、公开披露的年报、产品说明书等。无保密要求，重点保障其完整性与可用性。3.4数据分级与安全管控基准映射表数据级别访问控制要求传输安全要求存储安全要求数据脱敏要求销毁与出境要求核心数据专人专岗，物理隔离，最小权限国家级专线加密传输，禁止互联网传输最高强度加密存储，多副本异地容灾严禁任何形式的导出与展示严禁出境；销毁需国家监管部门审批重要数据角色授权，强身份认证，审计留痕核心网络加密传输，VPN/专线接入行业标准算法加密存储，高可用保障严禁原始数据导出，仅限内部分析出境需通过国家网信办数据出境安全评估；不可恢复性销毁并留存记录一般4级基于属性的访问控制（ABAC），严格审批全链路TLS1.3加密，强校验高强度加密存储，密钥分离管理生产环境展示必须动态脱敏出境需签订标准合同（SCC）或认证；销毁需物理粉碎或多次覆写一般3级基于角色的访问控制（RBAC），定期复核业务内网加密传输，防篡改数据库层透明加密（TDE）外部分享或测试环境必须静态脱敏满足合规前提下可出境；逻辑销毁需审计一般2级企业内部统一身份认证内网安全通道传输访问控制与日志监控鼓励脱敏，不作强制要求按需出境；定期清理归档一般1级最小限制，支持公开访问无特殊加密要求常规备份，防篡改无需脱敏自由出境；常规删除四、全流程操作规程与实施路径数据分类分级的落地实施是一项复杂的系统工程，涉及业务、IT、安全、合规多个部门的协同。以下为标准的五阶段实施路径。4.1第一阶段：组织架构保障与现状调研1.建立工作专班：成立由企业高管（如CIO或CDO）牵头的专项工作组，成员包括数据治理专员、业务域数据Owner、IT架构师、安全工程师及法务合规人员。明确各部门在数据盘点、定级审核、策略执行中的权责边界。2.业务与数据现状调研：梳理企业核心业务流程，摸清现有业务系统架构、数据库分布、大数据平台及云上资产情况。收集现有数据字典、API接口清单及数据流转拓扑图，为后续自动化发现奠定基础。4.2第二阶段：数据资产自动化盘点与梳理在2025年的技术背景下，纯人工盘点已无法应对海量数据。必须部署专业的数据资产发现工具。1.结构化数据发现：通过配置数据库连接（支持关系型数据库、NoSQL、MPP数据库等），自动拉取元数据。工具需具备字段注释解析能力，能够识别包含“姓名”、“身份证”、“余额”等关键词的字段。2.非结构化数据发现：针对文件服务器、对象存储（OSS/S3）、办公网终端，利用NLP（自然语言处理）和OCR（光学字符识别）技术，扫描文档内容，提取特征向量，识别敏感文件。3.数据血缘与流转探测：通过解析数据库日志（如Binlog）、ETL任务脚本及API网关日志，自动构建数据血缘图谱，追踪数据从产生到消费的全链路路径。4.3第三阶段：分类分级目录制定与自动化打标1.编制企业级目录：基于上述分类分级框架，结合实际业务调研结果，制定《企业数据分类分级目录》。该目录需穷举核心业务数据实体，并给出明确的分类分级基准定级。2.规则引擎配置：在数据治理平台中配置打标规则。规则分为三类：字典规则：基于预定义的敏感词库进行直接匹配（如字段名包含“password”直接定为4级）。正则规则：基于正则表达式识别特定格式数据（如身份证号、银行卡号的正则匹配）。AI模型规则：利用机器学习模型，对字段内容进行抽样检测，识别无明显特征但具备敏感语义的数据（如某字段记录了用户的消费偏好，虽无敏感关键词，但属个人隐私数据）。3.自动化打标与人工校验：引擎自动对盘点出的资产进行初步打标，生成分类分级标签。随后，业务域数据Owner需对打标结果进行人工复核与确认，确保定级符合业务逻辑。对于存在争议的数据，由合规专员或安全部门进行最终裁决。4.4第四阶段：数据安全管控策略联动与落地分类分级的最终目的是为了管控，如果标签不与安全设备联动，则形同虚设。1.与数据防泄漏（DLP）联动：将4级以上数据标签下发至终端DLP及网络DLP策略中心。当检测到含有4级标签的文件通过即时通讯、邮件外发时，DLP系统自动阻断并报警。2.与数据库安全网关联动：针对3级及以上的数据库字段，在数据库防火墙中配置细粒度访问控制策略。例如，普通客服查询客户表时，网关自动对“手机号”、“身份证号”字段返回动态脱敏结果。3.与身份与访问管理（IAM）联动：在权限申请流程中嵌入分类分级校验。用户申请访问某数据表时，系统自动判定该表最高级别，若为4级，则触发高级别审批流，并限制访问有效期。4.5第五阶段：常态化运营与动态评估数据分类分级不是“一劳永逸”的项目，而是持续运营的机制。1.动态监测与漂移告警：当数据库结构变更（新增包含敏感字段的表）、ETL任务导致数据汇聚融合时，系统需自动触发重新定级评估。若发现实际数据级别高于已标记级别（如2级表新增了4级字段），应立即产生“标签漂移”告警，通知数据Owner整改。2.定期复盘与制度更新：每半年或随国家新法规发布，对《数据分类分级管理制度》及目录进行一次全面复审。结合业务扩展（如上线新产品线）及时补充新的数据分类。3.运营指标度量：建立分类分级运营看板，监控以下指标：数据资产盘点覆盖率、自动化打标准确率、4级以上数据加密覆盖率、策略违规阻断次数等，以数据驱动安全治理闭环。五、智能化技术在分类分级中的深度应用（2025特色）步入2025年，大语言模型（LLM）与知识图谱技术的成熟，为解决传统分类分级中“非结构化数据识别难、隐性数据血缘追踪难、打标规则维护难”提供了全新的解题思路。5.1基于大模型（LLM）的数据语义理解与自动分类传统基于正则或关键词的匹配容易产生大量误报。例如，“苹果”一词在农业数据中属于一般数据，但在科技公司研发数据中可能指代核心产品代码。引入大模型后，可将表结构、字段注释、关联业务说明及部分样本数据作为Prompt输入大模型，大模型能够基于上下文语义，精准理解数据实体在具体业务场景中的真实含义，从而实现高精度的自动归类与定级。此外，大模型还能自动生成符合企业业务描述的数据资产目录，极大降低人工梳理成本。5.2知图谱驱动的数据血缘与影响面分析当数据经过复杂的加工、汇聚、关联分析后，其敏感程度往往发生变化（例如：单独的用户姓名是3级，但用户姓名关联上GPS轨迹与消费记录后，可能升至4级）。通过构建数据资产知识图谱，将元数据、血缘关系、分类分级标签作为图谱节点与边，利用图谱推理算法，可以实现“标签的传导与计算”。当底层某一张表新增敏感字段时，图谱能够快速计算出所有受影响的下游API、报表和模型，自动调整相关资产的安全级别，彻底解决“底层数据变了，上层应用安全策略未变”的脱节问题。5.3跨模态数据识别与敏感数据智能溯源针对图像、语音、视频等多模态数据，2025年的多模态大模型可自动提取视频帧中的票据信息、语音中的个人隐私对话，实现跨模态的敏感数据发现。同时，结合隐私计算与联邦学习技术，在多分支机构或跨企业数据共享场景下，可通过智能溯源算法在不暴露明文的前提下，验证数据来源的合法性及合规定级状态，保障数据要素跨域流转的安全。六、典型行业分类分级实践参考不同行业由于业务特性与监管要求不同，在分类分级实操中应有差异化侧重。以下列举三大重点行业的典型实践特征。6.1金融行业实践金融行业数据高度集中且强监管，核心关注点在于客户资金安全与反洗钱。分类特征：高度依赖业务条线分类，如信贷数据、支付清算数据、理财投资数据等。分级重点：对客户账户密码、生物识别特征、支付敏感信息（如磁道信息）直接定为最高级别（一般4级或重要数据）。每日交易流水由于汇聚后可能影响金融稳定，需识别为重要数据。联动应用：严格与反洗钱系统、核心风控系统联动，4级以上数据在跨分行或跨境调用时，需经过脱敏及哈希加密处理。6.2医疗卫生行业实践医疗行业涉及大量生命健康数据与个人隐私，数据非结构化比例高。分类特征：按诊疗流程分类，如电子病历（EMR）、医学影像（PACS）、检验检查报告（LIS）、医保结算数据。分级重点：包含艾滋病、精神疾病等特定传染病史的病历数据直接定为4级。去标识化后的群体基因测序数据、罕见病统计数据因涉及国家生物安全，需谨慎评估是否构成重要数据。联动应用：医疗数据共享需求迫切（如医联体互认），通常采用“可用不可见”的隐私计算技术，在确保原始3级/4级数据不出院的前提下，提供联合科研计算服务。6.3政务与公共数据局实践政务数据的核心矛盾在于“数据归集共享”与“安全保密”的平衡。分类特征：按部门职责与民生服务领域分类，如公安户籍、市场监管、人社社保、交通出行。分级重点：政务公开信息定为基础1级。个人身份证号、家庭住址、联系方式等定为核心隐私（3级或4级）。汇聚后的全市人口画像数据、宏观经济运行底账数据需定为重要数据。联动应用：建设政务数据共享交换平台，实施“数据目录化、目录标签化”。各委办局申请数据时，系统根据其职责与申请级别，自动下发脱敏后的数据接口或数据沙箱访问权限。七、基于分类分级的数据全生命周期安全管控细则分类分级标签生成后，需全面嵌入数据采集、传输、存储、使用、共享、销毁六大生命周期阶段，形成安全防护闭环。7.1数据采集阶段管控在采集外部数据或前端业务系统产生数据时，需在采集接口或表单层面对采集内容进行敏感标签预判。严禁过度收集超出业务必需范围的高级别数据。对于3级及以上个人信息采集，必须在前端通过隐私协议弹窗等方式获取用户明示同意。对于批量汇聚的重要数据采集，需向监管部门进行数据收集备案。7.2数据传输阶段管控数据在网络中传输是发生截获风险的高危环节。必须依据标签落实传输加密。1-2级数据：可在企业内部网络明文传输，但需保障网络边界完整性。3级数据：必须采用TLS1.2及以上协议加密传输，保障数据完整性与防篡改。4级及以上数据：必须采用国密算法（SM2/SM3/SM4）或同等强度算法建立加密隧道，并实施双向身份证书认证。跨物理网络边界传输时，还需采用数据防泄漏网关进行内容审计。7.3数据存储阶段管控存储安全的核心在于隔离与加密。访问隔离：不同级别的数据应分库分表存储，或通过VLAN、安全组等网络手段进行环境隔离，严禁高密级数据与低密级数据混存于同一无访问控制的存储桶。加密存储：3级及以上数据必须开启存储层加密。推荐采用透明数据加密（TDE）技术，对应用透明；同时密钥管理必须与数据存储物理隔离，采用专业的密钥管理系统（KMS）。7.4数据使用与加工阶段管控数据使用阶段面临最大的内部越权访问风险。开发测试环境管控：严禁将生产环境的3级及以上数据直接导入测试环境。必须经过静态脱敏处理，确保脱敏后数据不可逆向还原且保持业务逻辑的一致性。运维管控：DBA及运维人员访问高级别数据库，需通过堡垒机进行操作，实施指令级审计。严禁直接导出全量含敏感字段的表数据。大数据分析与大模型训练管控：在进行AI大模型训练时，训练语料库中严禁包含4级核心数据。3级个人数据在进入语料前必须经过不可逆的匿名化处理。7.5数据共享与提供阶段管控数据对外提供是合规风险爆发点。内部共享：跨部门共享数据，需明确共享目的、期限及范围，通过数据资产管理平台发起审批，系统自动根据级别执行相应的脱敏或限制下载策略。外部提供：向第三方提供3级及以上数据，必须签订数据安全协议，明