2016年欧洲颁布GDPR，2021年我国颁布《数据安全法》以来，2026年再看数据安全时，和之前有了很大的不同，尤其是数据业务工作中，经常遇到一些数据安全认识上的矛盾。今天写一篇文章进行阐述，仅为个人经历，供参考。
从安全合规角度看，需要对全量数据进行分类分级，比如最早运营商行业标准里，划分为用户相关数据和企业相关数据，其中企业相关数据包括网络与系统的建设与运行维护类数据、业务运营类数据、企业管理类数据、其他数据。
开展数据业务时，更多关注业务数据的分类分级，控制业务数据流动才是安全管控的核心，尤其是负责大量数据集中存储和处理的大数据平台，它是数据的“蓄水池和供给站”。
通常每个业务领域内有自己的数据标准，比如卫生健康领域的数据标准、金融领域的数据标准。明确数据标准使得行业内业务系统之间流转畅通、标准统一，采用相同的数据表名称、数据字段名称。
每个数据字段都有明确的含义，因此业务数据的分类分级结果实际已明确。分类分级产品只需要根据【数据标准字段】的列描述信息，识别分类分级结果，无需通过数据内容进行识别。
大部分信息系统在数据采集阶段，根据数据标准的定义，实际已明确了分类分级结果。作为数据承接方，第一步是接收带有分类分级结果的数据，第二步是复核接收的数据分类分级结果的准确性。此外，对于剩余非业务数据或加工衍生数据，才需要通过分类分级产品进行识别。
业务数据的分类分级才是核心，它依赖于数据标准，数据标准通常由行业统一制定。数据分类分级本质上是业务部门的事情，IT部门是配合进行技术侧的落地与执行。
数据分级是为了实现安全管控，不同级别数据采用不同的安全管控措施，逻辑上非常完美，但是落地实践却困难重重。
通常分类分级产品是基于行业规则进行分类分级结果识别，文章前面提到根据数据标准的列描述进行识别，无需根据内容，这是一种做法；另一种做法是，对于没有数据标准的数据，根据数据字典进行明确，以正则表达式、AI大模型对内容进行识别为主。
关于数据分级结果的应用，有几个常见的应用场景：
（1）数据对外共享提供时，对3级、4级字段需要加密处理；
（2）人访问和处理数据时，通过数据库工具连接数据库网关，根据3级、4级数据进行脱敏处理展示；
（3）数据静态存储时，涉及3级、4级数据应进行加密存储；
（4）应用程序使用数据，对敏感数据需要先解密再脱敏展示。
上述场景逻辑上都行得通，但实际会遇到很多困难。比如3级、4级数据很多时，数据加密和解密在技术上会消耗大量资源性能，极大增加了成本。很多数据加工治理本身就需要对明文进行处理，而且处理的是全量数据，需要改造数据加工处理的任务脚本，同时要考虑数据治理平台工具的性能和适配程度。
分类分级产品作为商用产品，涉及分级结果应用时，需要与数据共享网关、数据运维网关等进行定制开发适配，带来附加成本。
当把分类分级结果应用到实际生产业务流程中时，分类分级结果的更新频率和数据的准确度变得至关重要。分类分级产品作为旁路偏识别、统计类的工具，嵌入数据生产业务流程中时，会引发一系列可用性和保障性的问题。
以前的数据安全属于IT领域，安全更多考虑的是产品，这是一项偏安全技术的工作。数据安全主要是关注静态数据的安全保护，比如传输加密、存储加密；对流动的数据加密，需要全面改造应用程序，改造成本非常大，而且存在较大风险。
数据业务形态下的数据传输加密、存储加密成为标配。
在应用程序和数据库之间，通过插件的方式实现数据的动态加解密，这已成为一种非常成熟的技术实现方式。
数据业务将大量的数据集中存储，开展数据治理加工，强调数据开发利用和开放共享，同时关注数据流动中的安全。
正常的业务处理过程需要以明文方式查看这些数据，才能进行数据治理。比如数据质量控制，需要对敏感数据进行校验分析，这与加密存在冲突，对密文数据很难进行数据质控。若把密文数据解密后再进行质量分析，计算性能和成本都会很高。
越来越多的企业将数据安全划分到数据部门，以数据为中心，主要关注数据安全规则的制定、管理要求的下发及落实检查，技术实现由企业IT部门解决。
两者之间存在一些缝隙，比如数据部门开展的数据安全工作，是否应承接数据安全能力的建设？
数据集中起来了，配套数据安全规则和管理要求也应集中管控，个人认为与数据紧密相关的能力手段应由数据部门管理，比如数据分类分级、数据对外共享策略管控、数据API安全管控、数据库运维网关等，这些有助于数据业务安全管控的系统。数据防泄漏、数据库审计、密钥管理等还是放在IT部门比较合适。
IT部门通常是数据基础设施的建设者，包括物理机房安全、服务器设备安全、云环境基础安全、虚拟计算资源、存储资源等安全。从IT部门看，数据和业务程序在IT环境上运行，安全主体责任主要由IT部门承担，包括对内、对外的安全检查和监管。IT属于防守方，防止安全事件发生，降低安全隐患。
业务部门则不同，他们重点拓展业务，把数据转化为企业业绩，增加企业营收，数据流动程度越高越利于业务开展。数据开放程度越高，意味着有更多业务场景和更多的合作机会。
当数据无序流动会给国家、社会、企业带来破坏和影响，出现了数据合规，它决定业务能否正常开展，这是生存的问题。数据安全相比于数据合规，它更加关注风险和安全事件，风险不一定发生，发生了变成安全事件还有一定余地。
因此，数据业务形态下，重点是先做好数据合规、安全合规，再控制过程中的主要风险，把标准的安全管理动作履行完成，是一种比较务实的做法，风险是无法百分百控制住的。
