金融数据安全分级（JR/T 0197）实施重点：从分级到分级使用的闭环
JR/T 0197-2020《金融数据安全 数据安全分级指南》（以下简称"指南"）由中国人民银行于 2020 年发布，是国内金融行业最早、最完整的数据分级标准。
**5 年过去，分级了的金融机构很多，但能"用起来"的少。**2024-2025 年间，人行、金融监管总局、证监会联合开展的金融数据安全检查中，约 60% 的机构被点名"分级与业务脱节"。
一、JR/T 0197 的核心方法论
指南将金融数据分为 5 级：
| 级别 | 影响对象 | 影响程度 | 典型示例 |
|---|---|---|---|
| 5 级 | 国家安全 / 金融稳定 | 严重 | 中央对手方清算数据、系统性重要银行核心账务 |
| 4 级 | 国家安全 / 金融稳定 | 一般 | 大额资金往来明细、跨境资金流监控 |
| 3 级 | 个人 / 企业合法权益 | 严重 | 客户姓名 + 身份证 + 账号绑定 |
| 2 级 | 个人 / 企业合法权益 | 一般 | 客户基本信息、交易流水 |
| 1 级 | 个人 / 企业合法权益 | 轻微或无 | 公开产品介绍、统计聚合数据 |
核心定级要素：受影响对象（国家 / 行业 / 个人企业） × 影响程度（严重 / 一般 / 轻微）。
二、监管检查中的典型问题
问题 1：分级一致性差
同一类数据在不同部门 / 不同系统的定级不一致。例如：
- 客户身份证号在零售系统定为 3 级，在风控系统定为 2 级
- 大额交易明细在反洗钱系统定为 4 级，在审计系统定为 3 级
原因：分级工作由各业务条线独立完成，缺少统一的数据资产管理平台与定级裁决机制。
整改建议：
- 设立数据治理委员会，由 CDO 牵头，业务、IT、风控、合规共同参与
- 建立数据元字典，每类数据元只能有一个权威级别
- 跨系统使用同一数据元时必须引用字典，不得自行定级
问题 2：分级与业务流脱节
分级清单存在，但业务系统中的数据流向、加工、共享并未基于分级实施差异化控制。
典型表现：
- 4 级数据从核心系统抽取到数据仓库后变成 2 级处理
- 3 级数据通过 ETL 进入分析平台后无访问审计
- 5 级数据被开发人员从生产环境复制到测试环境用作真实数据测试
整改建议：
- 数据从产生到销毁的全生命周期都要继承级别
- ETL 工具集成数据级别标签，下游加工后的数据级别 ≥ 输入级别中的最高级
- 测试 / 开发环境严禁直接使用 3 级及以上数据，必须脱敏
问题 3：分级未落地到访问控制
许多机构的访问控制基于角色（RBAC），但角色权限与数据级别没有映射。结果：
- 高级别数据被中低权限角色访问
- 同一角色可见数据的级别跨度过大
- 权限审批未按级别区分审批层级
整改建议：基于属性的访问控制（ABAC）+ 数据级别 + 业务上下文：
访问决策 = f(用户属性, 数据级别, 业务场景, 访问时机)
- 5 级数据：双人复核 + 审批 + 全程录屏
- 4 级数据：审批 + 访问审计
- 3 级数据：角色授权 + 操作审计
- 2 级数据：角色授权 + 抽样审计
- 1 级数据：开放访问
三、从分级到分级使用的闭环
完整闭环包括 5 个环节：
1. 分级标签化
每个数据元 / 字段 / 文件具有可机器读取的级别标签。标签存储于数据资产平台，通过元数据下发至各业务系统。
2. 分级控制落地
- 存储：4-5 级数据存储介质满足额外加密 / 物理保护要求
- 传输：3-5 级数据传输必须加密（首选国密算法）
- 访问：基于级别的差异化访问控制策略
- 共享：3-5 级数据共享必须经审批 + DPA
- 销毁：3-5 级数据销毁必须可验证
3. 分级监测
- 数据流监测：监测高级别数据流向，及时发现异常流动
- 访问监测：基于级别的访问异常检测（频次、时段、地点）
- 共享监测：跨部门 / 跨主体共享行为留痕
4. 分级响应
发生数据安全事件时，按涉及数据的最高级别确定响应级别：
- 涉及 5 级 → 重大事件
- 涉及 4 级 → 较大事件
- 涉及 3 级 → 一般事件
5. 分级评价
将"分级使用质量"纳入数据安全 KPI：
- 分级覆盖率（已分级数据 / 全部数据）
- 分级准确率（抽查准确的样本 / 抽查样本）
- 分级与控制匹配率（控制措施与级别要求匹配的样本 / 抽查样本）
四、与其他金融数据合规要求的衔接
与人行《银行保险机构数据安全管理办法》
办法在 2024 年发布，要求银行保险机构按数据分级建立差异化控制。JR/T 0197 是其落地的技术规范基础。
与个人金融信息保护
JR/T 0171《个人金融信息保护技术规范》对个人金融信息定义 C1/C2/C3 三类，需与 JR/T 0197 的级别体系双重定级、双重控制。
与境内外数据流转
3-5 级数据出境需符合 PIPL § 38 + 数据出境安全评估 + 行业主管要求。许多金融机构忽略出境前的级别审核环节，导致出境申报材料中数据级别与内部目录不一致。
五、技术落地建议
数据资产管理平台是基础设施
很多机构试图通过 Excel + 制度文档完成分级，结果一定走向"分级了不会用"。必须有一个统一的数据资产管理平台：
- 自动盘点全集团数据资产（Auto-Discovery）
- 智能标签化（基于规则 + ML 模型）
- 元数据下发到业务系统、ETL 工具、查询平台
- 集成访问监测、流向追踪
推荐能力清单
- 字段级标签管理
- 数据血缘追溯（Lineage）
- 自动脱敏 / 加密策略下发
- 异常访问行为检测
- 第三方共享管理
结语
数据分级不是合规文档工作，是数据安全治理的底层操作系统。没有可落地的分级，所有上层控制都是空中楼阁。
JR/T 0197 在金融业的实施已有 5 年积淀，2026 年监管检查将不再容忍"形式分级"。机构应以业务流为锚，将分级标签化、控制差异化、监测自动化作为今年下半年的核心工作。
DataAigis 与多家城商行、保险集团合作完成数据分级体系实施，可提供"分级-管控-监测"全链路咨询。
