农商行基于分类分级的数据安全管控建设实践

《数据安全法》颁布实施以来，以分类分级为基础，对数据进行差异化管理和防护，成为行业共识。

(相关资料图)

金融行业作为数据密集的高地，安全是重中之重，而鉴于金融数据种类和内容庞杂，面临规模化用数、普惠用数、跨机构共享用数等日益旺盛的安全需求，根据监管规范和标准，对数据采取分类分级措施，更成为有效推进数据安全建设的关键一环。

国内某农商行（简称A行），是当地规模最大、网点最多的地方金融机构。作为深耕区域，服务本地“三农”的金融主力军，A行近年来以数字化技术开山铺路，通过数据生态共享、客群深耕运营、场景应用接入，创新业务发展新模式，实现从部门银行升级成流程银行再到开放银行的跨越式发展。

业务的不断拓宽，数据量快速增多，随着数据安全合规要求日渐增长，以及数据安全风险威胁持续变化，进一步加强数据安全管控能力，坚持安全与数字化发展同步同频成为了一项重要工作。

目前，A行不同业务系统中存有大量不同类型的数据，高敏感暗数据多，随着业务的迭代快速，数据使用场景日趋提高，敏感数据的变化也更加频繁，给敏感数据的保护带来更大难度，采用“一刀切”式的数据安全防护则需要大量的安全投入，既易造成资源浪费，也给数据安全管理带来负担。

基于此，美创科技为A行提供基于分类分级的数据安全管控建设方案。

在具体的实施流程上，目前，美创暗数据发现和分类分级系统已基于大量行业实践和标准研究，内置农商行数据分类分级模板、丰富业务类型和发现规则及大量金融数据标准，开箱即用。

通过对A行核心系统进行数据源自动扫描、识别，发现数据库的数量、IP、端口、类型等信息，在完成字段业务类型的识别后，根据分类分级策略，智能化完成数据分类分级。

数据分类分级结果与数据库防水坝、数据脱敏产品进行策略联动，匹配细粒度的安全策略，实现以“身份+数据”为中心的数据库运维安全管控和高效精准化的脱敏能力，有效降低数据安全技术能力落地的整体建设成本，数据安全管理能力质效双增。

智能化工具支撑

完成高效数据分类分级

分类分级是整个数据安全措施落地的基础，因此智能、准确的数据识别能力是最重要的能力。

暗数据发现和分类分级系统依托自然语言处理、特征分析、机器学习等技术，实现精准的数据自动化识别和分类分级，节省大量人工成本。最终根据数据安全性遭受破坏后的影响对象和所造成的影响程度，将数据安全级别从高到低划分为5级。

在分类分级过程中，暗数据发现和分类分级系统进行可视化呈现，展示每个字段归属的分类、所属的安全等级，同时以报告形式展示分类分级成果，包括敏感数据分布情况、数据分类情况、数据分级情况等。

分类分级联动

构建精细化安全管控体系

◼︎基于分类分级实现细粒度运维安全管控

A行数据运维环境复杂，涉及人员众多，易存在非授权访问敏感数据、运维误操作、高危指令等风险。

数据库防水坝集敏感数据发现和管理、多因素身份准入机制、动态访问控制、敏感数据脱敏、误操作恢复、合规审计等多种功能，能够快速建立安全合规运维体系，加强对敏感数据安全访问及运维操作行为管控。

本次实践中，数据库防水坝通过多因素认证精准识别前端操作人员的身份，通过与分类分类分级系统联动，基于分类分级结果有效为后续的访问控制策略提供依据，精准识别被操作数据的敏感级别，对3级及以上敏感数据操作进行限制（参考《金融数据安全数据生命周期安全规范》），实现敏感数据细粒度到列的精细化的安全管控，保障数据运维场景的安全。

◼︎基于分类分级提升数据脱敏效率和精准度

A行大量生产数据经常需要通过精准脱敏后传输到非生产环境，用于开发测试等环节，但由于业务系统后台数据库表的规模越来越庞大、结构越来越复杂，传统脱敏方式往往容易导致所获取的敏感数据表、字段等信息不准确，继而造成脱敏后数据无法达到“可用、合规、安全、高效”等预期目标。

美创静态数据脱敏系统内置灵活、丰富的脱敏算法，通过与暗数据发现和分类分级系统进行联动，精准识别核心数据库中的3级、4级数据，极大减少脱敏后仍存在敏感字段的现象。当开发测试过程中需要用数时，数据脱敏系统通过定义精确、灵活的数据脱敏策略，对不同类别的数据以不同方式进行脱敏变形处理，最大限度的保证脱敏后数据的特征一致性、逻辑一致性、业务规则关联性，从而以差异化的脱敏手段提升了脱敏效率和精准度。

在浩浩荡荡的数字化转型浪潮中，释放数据价值的前提是筑牢数据安全保障防线，数据分类分级作为迈向数据安全精细化管理的重要一步，则势在必行。

作为先行者和实践者，美创科技已在大数据局、人社、能源、金融、医疗、地产、企业、交通、教育等领域，帮助用户数据分类分级真正快速有效的落地。基于丰富的行业实践，美创科技也在不断推进数据分类分级的探索与实践，以期以更智能化的产品和符合业务、符合安全合规的方案服务，以安全之势守护数字化加速，让数据要素充分自由流通。