为什么需要
不是所有数据都值得同等保护。
如果不加区分地保护所有数据：
- 成本极高（最强的加密、最严的访问控制、最密的审计）；
- 且没有必要——保护"公司食堂菜单"和保护"用户身份证号"显然不同。
数据分类分级的目的：识别哪些数据重要、敏感，从而分配相应级别的保护。
两个概念
分类（Classification）：按内容属性
比如按业务属性分：
- 个人信息；
- 财务数据；
- 知识产权/商业秘密；
- 运营数据；
- 公开信息。
分级（Categorization/Grading）：按敏感度/重要性
通常分为几级，如：
| 级别 | 定义 | 例子 |
|---|---|---|
| 公开 | 可对外公开 | 产品宣传册、招聘信息 |
| 内部 | 内部可见，泄露影响有限 | 内部通知、会议纪要 |
| 敏感/机密 | 泄露会造成损害 | 客户名单、财务报表、源代码 |
| 高度机密 | 泄露造成严重损害 | 用户身份证号、支付信息、核心算法 |
中国的数据安全领域还有特定的法定分类：一般数据、重要数据、核心数据（《数据安全法》确立的框架），以及个人信息分级保护。
实施步骤
一、数据发现与盘点
先知道你有什么数据、在哪里。
用工具扫描：
- 数据库中的数据（可以自动识别常见敏感字段模式，如身份证号、银行卡号、手机号）；
- 文件服务器、对象存储中的文档；
- 代码仓库（是否有硬编码的密钥）；
- 终端上的文件。
这是"数据地图"（Data Map）的基础——也是 GDPR 等法规要求的"处理活动记录"的基础。
二、打标签（Tagging）
为数据资产打上分类和级别的标签。
自动化 + 人工确认：自动识别能提高覆盖率（尤其对海量数据），但重要数据需要数据所有者（Data Owner）确认。
三、定义保护策略
为每个级别定义要求：
| 级别 | 加密要求 | 访问控制 | 日志审计 | 保留期限 |
|---|---|---|---|---|
| 公开 | 无 | 公开可读 | 基本 | 无要求 |
| 内部 | 传输加密 | 需登录 | 记录访问 | 按业务 |
| 敏感 | 传输+存储加密 | 最小权限+审批 | 详细审计 | 有限期 |
| 高度机密 | 强加密 | 最小权限+MFA | 全量审计+告警 | 严格期限 |
四、技术落地
- DLP（数据防泄漏）：监控和阻止敏感数据外发（邮件、USB、网盘上传）；
- 加密：静态加密（数据库、磁盘）和传输加密；
- 访问控制：RBAC/ABAC；
- 脱敏/匿名化：在非生产环境（开发、测试、分析）使用脱敏数据；
- 水印：在敏感文档中加入隐形水印，用于追溯泄露源头。
五、持续维护
新数据不断产生，分类需要更新。
常见困难
一、数据量大、散落各处
历史数据可能从未被盘点过。
策略：从最重要的系统开始（如核心数据库），逐步扩展。
二、分类标准不清晰
"什么算敏感"如果定义模糊，不同的人会给出不同答案。
策略：给出具体的判断标准和示例，而非抽象定义。
三、业务部门的抵触
分类意味着额外的流程（如申请权限、打标签），业务方可能觉得麻烦。
策略：让工具尽可能自动化、无感；向业务方说明价值（保护他们的核心资产）；获得管理层支持。
四、影子数据（Shadow Data）
业务团队自己搭建的数据库、表格、SaaS 工具——不在 IT 的视野内。
这是数据治理中最难的部分。
一个实用起点
如果刚开始做，优先级通常是：
- 识别个人信息（法规要求最明确，泄露后果最严重）；
- 识别支付数据（PCI DSS 有明确要求）；
- 识别商业秘密（核心算法、客户名单、定价策略）；
- 建立数据保留和销毁策略（少存敏感数据，风险就小）。
"不收集不需要的数据"是最有效的保护措施 ——这一点常被忽略。
说明：本文为数据治理的知识整理。