掃碼訂閱《中國信息安全》

郵發(fā)代號 2-786

征訂熱線：010-82341063

文 | 中移動金融科技有限公司網(wǎng)絡(luò)與信息安全管理部 李江 李超 劉雨欣 馮承基 馮彥召

隨著《中華人民共和國網(wǎng)絡(luò)安全法》（以下簡稱《網(wǎng)絡(luò)安全法》）、《中華人民共和國數(shù)據(jù)安全法》（以下簡稱《數(shù)據(jù)安全法》）、《中華人民共和國個人信息保護法》（以下簡稱《個人信息保護法》）等法律法規(guī)的深入實施，電信行業(yè)因網(wǎng)絡(luò)架構(gòu)復雜、數(shù)據(jù)形態(tài)多元、業(yè)務(wù)迭代迅速，傳統(tǒng)的數(shù)據(jù)分類分級方案正面臨準確率低、適配性差、多模態(tài)處理能力缺失等挑戰(zhàn)。本文基于中國移動的具體實踐，提出“人工智能（AI）驅(qū)動+場景適配”的智能分類分級體系，通過“大模型底座+小模型集+智能大腦”架構(gòu)，實現(xiàn)了字段語義化、跨模態(tài)全域識別、敏捷場景適配三大突破，在資產(chǎn)合規(guī)管理、安全運營強化、全員安全賦能等方面成效顯著，為電信行業(yè)數(shù)據(jù)安全治理提供了切實可行的實施路徑。

一、電信行業(yè)數(shù)據(jù)安全治理面臨的獨特挑戰(zhàn)

在數(shù)字經(jīng)濟加速發(fā)展的背景下，電信行業(yè)的數(shù)據(jù)安全治理挑戰(zhàn)并非普通行業(yè)的“共性問題”，而是由其關(guān)鍵基礎(chǔ)設(shè)施屬性、海量數(shù)據(jù)規(guī)模與高頻業(yè)務(wù)創(chuàng)新共同催生的“特有困境”。本文將從網(wǎng)絡(luò)與數(shù)據(jù)復雜程度、合規(guī)要求升級、業(yè)務(wù)迭代三個維度，具體剖析電信行業(yè)數(shù)據(jù)安全治理面臨的獨特挑戰(zhàn)。

（一）網(wǎng)絡(luò)與數(shù)據(jù)復雜度高

電信行業(yè)的網(wǎng)絡(luò)架構(gòu)呈現(xiàn)“多層級、廣覆蓋、高關(guān)聯(lián)”的顯著特征，核心網(wǎng)作為網(wǎng)絡(luò)中樞，涵蓋骨干路由器、交換機等關(guān)鍵設(shè)備；接入網(wǎng)則包含光纖接入、5G新空口（5G NR）、Wi-Fi等多種接入方式，形成了“星型+網(wǎng)狀”交織的接入格局；邊緣計算節(jié)點則貼近用戶，承擔著低時延數(shù)據(jù)處理任務(wù)。這種多層級架構(gòu)不僅涉及硬件設(shè)備的協(xié)同，更承載著規(guī)模龐大、形態(tài)多樣的數(shù)據(jù)。從數(shù)據(jù)規(guī)模來看，僅運營商每年產(chǎn)生的數(shù)據(jù)便可達數(shù)十PB，且以每年20%～30%的速度增長；從數(shù)據(jù)形態(tài)來看，既包含結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)，也涵蓋非結(jié)構(gòu)化的客服通話錄音、巡檢現(xiàn)場影像，以及多模態(tài)的物聯(lián)網(wǎng)設(shè)備傳感器數(shù)據(jù)與用戶短視頻內(nèi)容，不同形態(tài)數(shù)據(jù)的存儲格式、傳輸協(xié)議、敏感信息分布差異極大。

（二）合規(guī)要求持續(xù)升級

近年來，我國數(shù)據(jù)安全監(jiān)管體系不斷完善，《網(wǎng)絡(luò)安全法》《數(shù)據(jù)安全法》《個人信息保護法》構(gòu)成了數(shù)據(jù)安全治理的“三大基石”，而《電信和互聯(lián)網(wǎng)服務(wù)用戶個人信息保護管理辦法》《關(guān)鍵信息基礎(chǔ)設(shè)施安全保護條例》則針對電信行業(yè)提出了更加細化的合規(guī)要求，明確規(guī)定電信企業(yè)需“按數(shù)據(jù)重要性實施差異化防護”“建立全生命周期數(shù)據(jù)安全管理制度”“定期開展合規(guī)備案與風險評估”。然而，電信數(shù)據(jù)“跨系統(tǒng)流轉(zhuǎn)、多業(yè)務(wù)融合”的特性，導致合規(guī)性實施面臨諸多現(xiàn)實難題。從數(shù)據(jù)流轉(zhuǎn)來看，用戶數(shù)據(jù)往往需跨多個系統(tǒng)協(xié)同處理，且每個系統(tǒng)的數(shù)據(jù)存儲格式、脫敏規(guī)則存在差異，導致敏感數(shù)據(jù)邊界難以界定，而現(xiàn)有技術(shù)手段難以實時追蹤數(shù)據(jù)流轉(zhuǎn)中的用途變化。從合規(guī)備案來看，監(jiān)管要求企業(yè)提交“數(shù)據(jù)分類分級清單”“敏感數(shù)據(jù)處理流程”等材料，但由于跨系統(tǒng)數(shù)據(jù)梳理難度大，部分企業(yè)僅能梳理核心系統(tǒng)數(shù)據(jù)，邊緣節(jié)點、第三方合作系統(tǒng)的數(shù)據(jù)往往被遺漏，導致備案材料不完整，面臨合規(guī)處罰風險。同時，《個人信息保護法》要求的“用戶同意機制”，在電信業(yè)務(wù)場景中也難以落實，進一步增加了合規(guī)難度。

（三）業(yè)務(wù)迭代倒逼治理升級

隨著數(shù)字經(jīng)濟與實體經(jīng)濟的深度融合，電信行業(yè)正從“傳統(tǒng)通信服務(wù)”向“數(shù)字化解決方案提供商”轉(zhuǎn)型，不斷涌現(xiàn)的新業(yè)務(wù)不僅改變了電信行業(yè)的服務(wù)模式，更催生了大量新型數(shù)據(jù)形態(tài)與處理場景。然而，傳統(tǒng)數(shù)據(jù)分類分級方案的規(guī)則重構(gòu)速度，遠遠落后于業(yè)務(wù)創(chuàng)新速度——傳統(tǒng)方案多以“數(shù)據(jù)來源”“敏感程度”為分類標準，而新型數(shù)據(jù)難以歸入現(xiàn)有類別，需重新調(diào)研數(shù)據(jù)特性、梳理業(yè)務(wù)場景、制定防護規(guī)則，整個過程涉及業(yè)務(wù)、安全、法務(wù)等多個部門，通常需要3～6個月才能完成規(guī)則重構(gòu)。這種“治理規(guī)則滯后于業(yè)務(wù)上線”的情況，導致數(shù)據(jù)安全治理出現(xiàn)“真空期”：新業(yè)務(wù)上線后，新型數(shù)據(jù)因無明確分類分級標準，無法匹配對應(yīng)的加密、脫敏、訪問控制措施，難以防范具有針對性的竊取與篡改，給用戶隱私與公共安全帶來隱患。

二、傳統(tǒng)數(shù)據(jù)分類分級的痛點與局限

數(shù)據(jù)分類分級作為電信數(shù)據(jù)安全治理的“基礎(chǔ)工程”，其核心目標是通過“精準歸類”實現(xiàn)“差異化防護”。如今，電信數(shù)據(jù)已從單一結(jié)構(gòu)化形態(tài)，擴展到音視頻、掃描件、傳感器信號等多模態(tài)形態(tài)，業(yè)務(wù)場景也因5G專網(wǎng)、物聯(lián)網(wǎng)等新業(yè)務(wù)變得復雜多元，再加上《個人信息保護法》等法律法規(guī)對“間接個人信息”“敏感數(shù)據(jù)全鏈路管控”的精細化要求，傳統(tǒng)方案“依賴預設(shè)規(guī)則、僅能處理結(jié)構(gòu)化數(shù)據(jù)”的特性已難以適配當前需求，逐漸暴露出識別精度不足、多模態(tài)數(shù)據(jù)覆蓋缺失、業(yè)務(wù)適配低效等高風險痛點，嚴重影響數(shù)據(jù)安全治理的整體效能。

（一）識別精度難以滿足合規(guī)要求

傳統(tǒng)方案的核心邏輯是“匹配預設(shè)規(guī)則”，但電信數(shù)據(jù)存在顯著的“同義異構(gòu)”“語義隱含”特征，導致識別精度低下。一方面，“同義異構(gòu)”問題普遍存在，同一業(yè)務(wù)含義的字段因系統(tǒng)開發(fā)時期、廠商、業(yè)務(wù)線不同，命名方式差異極大，傳統(tǒng)規(guī)則僅能匹配預設(shè)的字段名，無法識別異構(gòu)字段的統(tǒng)一語義，導致同一類數(shù)據(jù)被分類為不同等級；另一方面，“語義隱含”的復合型數(shù)據(jù)難以識別，例如，“用戶ID+近3個月通話頻次+流量使用偏好”的關(guān)聯(lián)數(shù)據(jù)，雖未直接包含身份證號、手機號等敏感信息，但通過多維度數(shù)據(jù)關(guān)聯(lián)便可推斷用戶身份，這屬于“間接個人信息”，傳統(tǒng)方案因無法解析數(shù)據(jù)間的業(yè)務(wù)邏輯，僅能將其歸類為“非敏感數(shù)據(jù)”，存在隱私泄露風險。某省移動統(tǒng)計，傳統(tǒng)方案對復合型數(shù)據(jù)的識別準確率不足65%，漏分類率達20%，錯分類率約15%，直接影響合規(guī)備案的有效性與防護措施的針對性。

（二）多模態(tài)數(shù)據(jù)覆蓋能力缺失

傳統(tǒng)方案的設(shè)計初衷是針對結(jié)構(gòu)化數(shù)據(jù)，對非結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)幾乎無治理能力，但此類數(shù)據(jù)在電信業(yè)務(wù)中的占比已超55%，且呈持續(xù)上升趨勢。具體來看，非結(jié)構(gòu)化數(shù)據(jù)中的業(yè)務(wù)協(xié)議掃描件，需識別其中的用戶姓名、身份證號、簽名信息等敏感內(nèi)容，但傳統(tǒng)方案無法解析圖片中的文本信息；客服錄音轉(zhuǎn)寫文本，包含用戶咨詢的套餐問題、個人信息核對內(nèi)容，傳統(tǒng)方案無法通過語義分析識別敏感信息；基站巡檢圖片，需判斷是否包含設(shè)備標識、告警信息等運維敏感數(shù)據(jù)，傳統(tǒng)方案同樣無法處理。半結(jié)構(gòu)化數(shù)據(jù)中的Excel報表雖有一定格式，但表頭命名不規(guī)范，傳統(tǒng)規(guī)則無法匹配，導致數(shù)據(jù)無法分類。這些未納入分類分級體系的數(shù)據(jù)，既難以落實加密、脫敏等防護措施，也無法開展訪問審計，成為數(shù)據(jù)安全治理的“盲區(qū)”。

（三）業(yè)務(wù)適配成本高、效率低

面對5G專網(wǎng)、物聯(lián)網(wǎng)等新業(yè)務(wù)催生的新型數(shù)據(jù)，傳統(tǒng)數(shù)據(jù)分類方案表現(xiàn)出顯著的局限性。該方案需要技術(shù)人員針對新型數(shù)據(jù)重新梳理全量庫表字段、分析數(shù)據(jù)關(guān)聯(lián)關(guān)系，再手動編寫適配新場景的分類規(guī)則——此過程中，僅庫表梳理就需逐一排查數(shù)百張甚至上千張數(shù)據(jù)表的字段含義與數(shù)據(jù)流向，規(guī)則編寫后還需反復測試調(diào)整，導致單一場景的適配周期長達1～2個月。更為關(guān)鍵的是，傳統(tǒng)方案易引發(fā)“規(guī)則沖突”問題：不同業(yè)務(wù)線對“敏感數(shù)據(jù)”的定義與判定標準存在差異。例如，金融科技業(yè)務(wù)線將“用戶分期還款記錄”界定為高敏感數(shù)據(jù)，而政企服務(wù)業(yè)務(wù)線對同類用戶消費數(shù)據(jù)的敏感等級劃分更寬松，不同規(guī)則疊加應(yīng)用時易出現(xiàn)判定矛盾，增加管理復雜度。

三、人工智能賦能數(shù)據(jù)分類分級的實踐架構(gòu)與關(guān)鍵技術(shù)

為有效彌補傳統(tǒng)方案的不足，新架構(gòu)體系須實現(xiàn)從“被動規(guī)則匹配”到“主動智能感知”的治理模式升級。該體系并非單純的技術(shù)堆砌，而是通過“架構(gòu)層面的協(xié)同設(shè)計”與“技術(shù)層面的精準突破”構(gòu)建了一個完整的閉環(huán)：三層架構(gòu)通過大小模型的互補協(xié)同，平衡了數(shù)據(jù)識別的效率與精度；三大技術(shù)突破分別對應(yīng)傳統(tǒng)方案的核心痛點，從語義解析、模態(tài)覆蓋、場景適配三個維度實現(xiàn)突破。二者共同支撐起電信行業(yè)復雜數(shù)據(jù)環(huán)境下的高效分類分級，為數(shù)據(jù)安全治理提供了切實可行的技術(shù)實施路徑。

圖 電信數(shù)據(jù)智能分類分級體系架構(gòu)

如圖所示，該體系架構(gòu)分為數(shù)據(jù)源、智能分析、應(yīng)用層3個層級。首先，數(shù)據(jù)源：支持豐富的數(shù)據(jù)源接入和識別，包括承載結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)的不同數(shù)據(jù)源。小模型集：針對具有明確特征的數(shù)據(jù)，通過提煉關(guān)鍵特征，構(gòu)建高效的小模型集，提高特定數(shù)據(jù)的識別效率，并同時降低數(shù)據(jù)訓練成本。大模型底座：基于大模型底座，通過對行業(yè)領(lǐng)域級專業(yè)知識庫進行訓練，對大模型底座進行微調(diào)和強化學習，構(gòu)建領(lǐng)域級專業(yè)大模型。大小模型實現(xiàn)能力互補、雙向賦能，提升模型效能。智能大腦：提供模型接入、管理、編排及智能化調(diào)度，提高資源利用率和模型效率。其次，智能分析：對不同數(shù)據(jù)源數(shù)據(jù)進行分析、解析，實現(xiàn)數(shù)據(jù)源識別、數(shù)據(jù)資產(chǎn)發(fā)現(xiàn)、數(shù)據(jù)分類、數(shù)據(jù)分級，標簽自動打標。最后，應(yīng)用層：應(yīng)用層實現(xiàn)數(shù)據(jù)源、分類分級策略、數(shù)據(jù)資產(chǎn)、資產(chǎn)運營、對外應(yīng)用程序編程接口（API）管理及數(shù)據(jù)資產(chǎn)分布視圖。

（一）三層架構(gòu)：平衡效率與精度

創(chuàng)新突破傳統(tǒng)單模型局限，構(gòu)建“大模型深度解析+小模型敏捷響應(yīng)”的協(xié)同架構(gòu)，實現(xiàn)數(shù)據(jù)分類分級領(lǐng)域效率、精度的雙重躍升。首先，能力互補：大模型依托千億參數(shù)優(yōu)勢解析非結(jié)構(gòu)化數(shù)據(jù)（如合同文本、多模態(tài)信息）中的復雜語義，小模型以輕量化規(guī)則引擎實現(xiàn)毫秒級敏感字段攔截（如身份證號、密級標識），分工覆蓋長短尾場景。其次，動態(tài)進化：通過“知識蒸餾+增量學習”實現(xiàn)雙向賦能——大模型提煉高置信結(jié)果反哺小模型規(guī)則庫，小模型實時采集數(shù)據(jù)優(yōu)化大模型泛化能力，形成閉環(huán)迭代。最后，全場景精度保障：大模型兜底復雜數(shù)據(jù)分類，小模型覆蓋90%高頻任務(wù)，綜合成本降低70%。

（二）三大技術(shù)突破：解決傳統(tǒng)痛點

首先，字段語義歸一化技術(shù)。通過“上下文關(guān)聯(lián)分析+行業(yè)詞典映射”，自動解析跨系統(tǒng)異構(gòu)字段的統(tǒng)一語義。例如，模型結(jié)合“日期字段+幣種字段”，可判斷“tt_incm_txn_amt”“gross_rev”均為“交易金額”，并歸類為“敏感數(shù)據(jù)”；對“用戶套餐+金融分期”復合型數(shù)據(jù)，通過語義關(guān)聯(lián)推理，明確其“個人敏感信息”屬性。在金科和包財富業(yè)務(wù)試點中，復合型數(shù)據(jù)識別準確率從63%提高至90%，字段歸一化覆蓋率達98%。其次，跨模態(tài)全域識別技術(shù)。為填補傳統(tǒng)方案在非結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)治理上的空白，該技術(shù)融合光學字符識別（OCR）、自然語言處理（NLP）、圖像分類三大技術(shù)，實現(xiàn)全類型數(shù)據(jù)的覆蓋式識別。對于業(yè)務(wù)協(xié)議掃描件，先通過OCR技術(shù)提取圖片中的文本信息，再借助NLP技術(shù)對文本進行語義分析，精準識別“客戶身份證號”“簽名信息”等敏感內(nèi)容；對于基站巡檢圖片，通過圖像分類算法識別圖片中的設(shè)備標識、告警標識等關(guān)鍵元素，將其歸類為“運維敏感數(shù)據(jù)”；對于Excel半結(jié)構(gòu)化表格，通過表頭關(guān)聯(lián)推理（如“用戶姓名+手機號”的字段組合）判斷數(shù)據(jù)敏感等級，解決表頭命名不規(guī)范導致的識別難題。目前，該技術(shù)對非結(jié)構(gòu)化數(shù)據(jù)的識別準確率已超過80%，徹底填補了傳統(tǒng)方案在多模態(tài)數(shù)據(jù)治理上的覆蓋空白。最后，場景敏捷適配技術(shù)。依托“提示詞工程+彈性部署”，實現(xiàn)新業(yè)務(wù)場景快速落地。針對5G專網(wǎng)數(shù)據(jù)，通過定制“設(shè)備ID+網(wǎng)絡(luò)切片信息”識別指令，兩周內(nèi)完成適配；針對物聯(lián)網(wǎng)終端數(shù)據(jù)，通過小模型增量訓練，三天內(nèi)實現(xiàn)“終端位置+傳感數(shù)據(jù)”分類。在信息技術(shù)（IT）域大數(shù)據(jù)平臺試點中，敏感數(shù)據(jù)表識別精度達98%，適配效率較傳統(tǒng)方案提升80%。

四、實踐成效：從合規(guī)治理到價值賦能

中移動金融科技有限公司實施的AI智能分類分級體系，并非僅停留在技術(shù)優(yōu)化或工具升級，而是緊扣電信行業(yè)“合規(guī)要求嚴、業(yè)務(wù)迭代快、數(shù)據(jù)場景雜”的核心特點，深度嵌入數(shù)據(jù)生成、流轉(zhuǎn)、使用的業(yè)務(wù)全流程，構(gòu)建“合規(guī)筑基、安全護航、價值升級”的聯(lián)動效應(yīng)。合規(guī)層面，它破解了傳統(tǒng)人工梳理低效、錯漏多的痛點，通過自動化識別覆蓋全業(yè)務(wù)鏈，滿足《數(shù)據(jù)安全法》對重要數(shù)據(jù)全生命周期管理的要求，規(guī)避監(jiān)管整改風險；安全層面，基于分級動態(tài)匹配防護策略，高敏感數(shù)據(jù)觸發(fā)實時加密與異常預警，一般數(shù)據(jù)采用定期審計，防護更具針對性；價值層面，它超越“合規(guī)達標”，既能滲透安全意識讓業(yè)務(wù)人員主動識敏，又能為新業(yè)務(wù)掃清安全障礙，實現(xiàn)從“被動合規(guī)”到“主動賦能業(yè)務(wù)”的跨越。以下從合規(guī)管理、安全運營、意識滲透與業(yè)務(wù)價值三個維度，具體闡述該體系的實踐成效。

（一）合規(guī)管理效率顯著提升，降低監(jiān)管風險

自動化識別覆蓋全量業(yè)務(wù)系統(tǒng)，大幅減少人工工作量：人工梳理數(shù)據(jù)的工作量減少50%，某省移動通過該體系，將全省300多個業(yè)務(wù)系統(tǒng)的數(shù)據(jù)分類時間從傳統(tǒng)方案的2個月縮短15天，效率提升70%；數(shù)據(jù)資產(chǎn)納管率從23%提升至82%，滿足《數(shù)據(jù)安全法》中“重要數(shù)據(jù)全生命周期管理”的要求，某省移動在2024年監(jiān)管部門的重要數(shù)據(jù)備案檢查中，因數(shù)據(jù)分類準確、備案材料完整，成為行業(yè)內(nèi)首個“零整改”通過檢查的省級運營商。在不同業(yè)務(wù)線中，合規(guī)成效各具特色：金融科技業(yè)務(wù)線通過該體系，實現(xiàn)“用戶金融分期數(shù)據(jù)”的精準分類，合規(guī)備案通過率從70%提升至100%；政企服務(wù)業(yè)務(wù)線針對政府客戶的數(shù)據(jù)，實現(xiàn)“按密級分類、按需求備案”，備案效率提升60%，政府客戶滿意度從85分提升至95分。

（二）安全運營能力持續(xù)強化

分類分級結(jié)果通過API接口與各類安全工具深度聯(lián)動，構(gòu)建起“識別—防護—審計”的完整安全閉環(huán)，實現(xiàn)數(shù)據(jù)安全管理的全流程自動化與精準化。其中，與數(shù)據(jù)金庫的對接可針對高敏感數(shù)據(jù)觸發(fā)自動加密存儲機制，從數(shù)據(jù)存儲源頭筑牢安全防線；與行為監(jiān)測系統(tǒng)的協(xié)同則能對高敏感數(shù)據(jù)的異常訪問行為進行實時監(jiān)測與預警。某省移動應(yīng)用該聯(lián)動機制后，數(shù)據(jù)泄露事件發(fā)生率顯著下降60%，安全防護的時效性與有效性得到充分驗證；而與審計系統(tǒng)的對接進一步實現(xiàn)“按數(shù)據(jù)等級差異化審計”，針對高敏感數(shù)據(jù)強化審計頻次與深度，針對一般數(shù)據(jù)簡化冗余審計流程，使審計效率提升40%，在保障審計全面性的同時大幅降低運營管理成本，形成各環(huán)節(jié)緊密銜接的安全防護體系。

（三）全員安全意識滲透與業(yè)務(wù)價值

依托領(lǐng)域級安全知識庫（涵蓋2000多條電信數(shù)據(jù)安全知識、500多個合規(guī)案例），開發(fā)“AI安全專家”問答功能，實現(xiàn)“全員按需獲取安全知識”。業(yè)務(wù)人員可實時查詢數(shù)據(jù)使用規(guī)范，如“辦理套餐時收集的用戶身份證復印件，是否需分類為高敏感數(shù)據(jù)”“跨部門共享用戶賬單數(shù)據(jù)，需哪些合規(guī)流程”，問答響應(yīng)時間<1秒，準確率達90%；管理人員可獲取區(qū)域數(shù)據(jù)安全態(tài)勢，如“本周某業(yè)務(wù)線的高敏感數(shù)據(jù)訪問次數(shù)、違規(guī)訪問次數(shù)、整改完成率”，輔助決策制定；運營人員可調(diào)用分類分級操作指南，降低操作難度。

五、結(jié) 語

隨著生成式AI技術(shù)的快速迭代與電信業(yè)務(wù)的創(chuàng)新發(fā)展，數(shù)據(jù)分類分級將逐步邁向“全自動化、隱私增強、跨域協(xié)同”的新階段，其在電信行業(yè)的價值也將從“合規(guī)工具”升級為“數(shù)據(jù)要素價值釋放的催化劑”。

技術(shù)層面，隱私計算技術(shù)將與分類分級深度融合——聯(lián)邦學習可實現(xiàn)“多省運營商數(shù)據(jù)聯(lián)合分類，數(shù)據(jù)不離開本地”，避免跨地域數(shù)據(jù)流轉(zhuǎn)風險；差分隱私可在分類過程中加入噪聲，保護用戶隱私的同時，不影響分類結(jié)果的準確性；后量子密碼技術(shù)將用于分類模型的加密保護，防止模型被攻擊或篡改，進一步提升分類分級的安全性。

應(yīng)用層面，跨域協(xié)同分類將成為趨勢——隨著電信與政務(wù)、醫(yī)療、交通等行業(yè)的深度融合，“電信數(shù)據(jù)+政務(wù)數(shù)據(jù)”“電信數(shù)據(jù)+醫(yī)療數(shù)據(jù)”的跨域共享場景將增多，需建立跨行業(yè)的分類分級協(xié)同機制：通過統(tǒng)一的分類標準，明確數(shù)據(jù)敏感等級與防護措施，避免數(shù)據(jù)濫用；未來還可以構(gòu)建“全國電信數(shù)據(jù)分類分級協(xié)同平臺”，實現(xiàn)各省運營商數(shù)據(jù)分類結(jié)果的互認互通，降低跨省業(yè)務(wù)的治理成本。

實踐價值層面，AI賦能的數(shù)據(jù)分類分級將成為“數(shù)據(jù)要素化”的核心支撐——通過精準識別高價值數(shù)據(jù)資產(chǎn)，助力電信企業(yè)挖掘數(shù)據(jù)價值：在個性化服務(wù)方面，基于分類后的“用戶偏好數(shù)據(jù)”，推送定制化套餐，提升用戶滿意度；在智能運維方面，基于分類后的“設(shè)備故障數(shù)據(jù)”，構(gòu)建預測模型，降低設(shè)備故障率；在產(chǎn)業(yè)生態(tài)合作方面，基于分類后的“非敏感業(yè)務(wù)數(shù)據(jù)”與合作伙伴共享，拓展增值服務(wù)場景。

回顧實踐，AI賦能數(shù)據(jù)分類分級不僅解決了電信行業(yè)“數(shù)據(jù)家底不清、防護針對性不足、業(yè)務(wù)適配低效”的傳統(tǒng)難題，更驗證了“技術(shù)創(chuàng)新與業(yè)務(wù)場景深度融合”的治理思路。未來，隨著技術(shù)的持續(xù)迭代與行業(yè)生態(tài)的不斷完善，這一體系將持續(xù)演進，為電信行業(yè)數(shù)字化轉(zhuǎn)型筑牢安全基石，也為整個數(shù)字經(jīng)濟的安全、有序發(fā)展提供可借鑒的實踐范式。只有守住數(shù)據(jù)安全的“底線”，才能更好地釋放數(shù)據(jù)要素的“價值上限”。

（本文刊登于《中國信息安全》雜志2025年第11期）

分享網(wǎng)絡(luò)安全知識 強化網(wǎng)絡(luò)安全意識

歡迎關(guān)注《中國信息安全》雜志官方抖音號

《中國信息安全》雜志傾力推薦

“企業(yè)成長計劃”

點擊下圖 了解詳情