一、国内外政策和现状
随着数字化、智能化时代的到来，数据已成为推进组织数智化转型的关键生产资料，数据安全的重要性日益彰显，数据分类分级已成为数据治理非常重要的环节。我国已出台《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》等法律法规，以及《数据二十条》等政策文件，明确提出建立数据分类分级保护制度，并推动相关标准的制定和实施。国际上，数据分类分级一般统称为Data Classification，强调对不同级别数据的全生命周期保护。
二、数据分类分级概述
数据分类是根据数据的属性或特征，按照规定的原则和方法区分和归类，并建立起一定的分类体系和排列顺序，以便更好地管理和使用数据的过程。数据分级是根据数据的重要性，以及一旦遭到篡改、破坏、泄露或者非法获取、非法利用，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按不同等级加以区分，从而确定保护程度的过程。数据分类分级面临的挑战包括数据量大且复杂度高、人为因素引起的判断误差、如何选择分类维度、数据等级无法定量判断、数据级别数量选择问题、分类分级落地实施困难等。
三、数据分类分级能力建设
数据分类分级能力建设包含数据分类分级职能架构、管理制度和流程、技术工具建设、持续运营机制等四个主要环节。职能架构包括数据分类分级决策方、数据分类分级管理方、数据分类分级监督方、数据分类分级运营方、数据分类分级执行方、数据使用方等角色，并需建立明确的职责划分和协作沟通机制。管理体系包括数据分类分级制度规范、数据分类分级工作流程、数据分类分级系统建设、数据分类分级监督等。
四、数据分类分级方法
数据分类分级方法可参考国家标准《数据安全技术数据分类分级规则（GB/T43697-2024）》，结合组织所属行业要求、地区要求和指导规范，根据组织实际情况开展工作。数据分类分级应遵循科学实用、边界清晰，就高从严、点面结合、动态更新等原则。数据分类方法推荐采用混合分类法，以线分类法为主，并结合不同数据维度的面分类法。数据分级方法一般将数据分为一般数据、重要数据和核心数据三个基础等级，根据行业业务及数据特征，数据级别可进行细分，根据数据重要程度由低到高一般可以分为3～5个级别。
五、数据分类分级实施方案
数据分类分级实施方案主要包含业务活动识别、数据资产发现、数据资产识别、分类分级规则制定和数据标识标记等阶段。业务活动识别主要通过人工访谈、资料查阅和系统查验等方式进行。数据资产发现包括数据载体发现和数据内容发现。数据资产识别包括结构化数据识别和非结构化数据识别。分类分级规则制定应根据组织所在行业监管单位发布的数据分类分级标准或参考其他行业成熟的数据分类分级规则进行设计。数据标识标记主要采用元数据标记和原始数据标记两种方式。
六、数据分类分级的应用
数据分类分级的应用包括满足合规监管要求、优化数据资产监测、开展数据处理活动管控、细化数据安全风险及事件管理、实现数据安全保护联动等。通过数据分类分级，企业可以更有效地了解和展示企业数据资产的类别与级别情况，根据不同级别数据的特点和需求，合理分配资源和投入，避免资源的浪费和无效使用，同时满足合规需求，促进数据的开发利用。
七、典型数据分类分级系统介绍
研报介绍了天融信数据安全分类分级系统、观安观智敏感数据发现软件、山石网科数据安全综合治理平台、大道云隐密数万象数据资产管理系统、神州数码数据分类分级系统、昂楷数据安全分类分级系统、美创暗数据发现和分类分级系统（DDAC）、明朝万达Chinasec（安元）智能数据治理平台等典型数据分类分级系统，并对其功能特点和应用情况进行了介绍。
八、数据分类分级参考模板
研报提供了《数据资产清单模板》和《数据分类分级标记模板》等参考模板，供组织在开展数据分类分级工作过程中参考使用。
九、数据分类分级参考资料
研报提供了个人信息识别参考、重要数据识别参考、数据分级要素参考示例、数据影响对象识别参考示例、数据分类分级变更参考示例等参考资料，供组织在开展数据分类分级工作过程中参考使用。
十、数据分类分级关键技术与方法
研报介绍了关键字匹配、正则表达式检测、指纹匹配、自然语言处理（NLP）、机器学习、规则引擎、元数据分析等数据分类分级关键技术与方法。
十一、典型行业标准解读
研报对政务、金融、电信、医疗、教育、工业、烟草等典型行业的数据分类分级标准进行了解读。
十二、数据分类分级词典示例
研报提供了政务、金融、电信、医疗、教育、工业、烟草等典型行业的数据分类分级词典示例。
十三、非结构化文件识别规则示例
研报提供了非结构化文件识别规则示例，供组织在开展非结构化数据识别工作过程中参考使用。
十四、参考文献
研报列出了相关法律法规、标准规范、研究报告等参考文献。
