近年来我国在数据安全和个人信息保护方面的法律法规密集出台，尤其是《数据安全法》和《个人信息保护法》的发布，将数据安全的重要性提升到一定高度，数据安全和数据隐私保护成为企业数据应用的合规前提。
企业一旦违法收集和处理个人信息，将面临刑事处罚、民事处罚、行政处罚三重法律责任，导致业务暂缓、资金流失、声誉受损、业绩锐减等负面影响。
沙丘社区通过研究中国工商银行、中国建设银行、平安银行、国信证券、中国铁塔、蔚来汽车、江西联通、中国移动等各行业头部企业数据安全治理实践，旨在为其他企业提供参考。
▎案例1：中国工商银行数据安全平台建设实践
为筑牢数据安全保障防线，中国工商银行搭建数据安全平台，围绕数据全生命周期，实现智能敏感数据识别、动态控权、统一数据脱敏引擎、数据水印溯源以及数据安全监控审计五大核心能力，为行内数据资产管理类应用、各业务系统提供数据安全标准服务，实现数据安全从局部防护到整体防护、从静态防护到动态防护、从单点防护到协同联防。
获取完整版案例，可添加微信号zimu738
▎案例2：平安银行数据安全体系建设实践
为了满足政策合规性要求、有效防护安全风险、有效支撑业务发展，平安银行构建有组织、有纪律、有能力、有章法的数据安全体系，组织层面成立个人信息保护委员会、数据治理工作组、网络与信息安全管理委员会三大类职责，横向联动保障数据安全责任，技术层面构建数据分级分类平台、统一用户授权平台、数据第三方交互评估机制、数据安全研发工程等，支撑数据安全体系落地。
获取完整版案例，可添加微信号zimu738
▎案例3：平安银行数据安全分类分级实践
数据分类分级是展开数据安全工作的基础，如果要对数据进行安全保护，首先需要了解哪些数据是需要重点保护的。平安银行数据安全分类分级工作建设思路分为三步走：
第一，做标签。参考法律法规及金融行业标准，结合平安银行实际情况，梳理形成数据安全分类分级标签体系，先分类、再定级。
第二，打标签。人工打标的准确率高但成本也高，平安银行探索智能化的打标手段，经多轮人工打标训练，运用深度学习等算法模型进行数据安全智能打标，并制定人工复核/确认流程，对智能扫描结果进行复核/确认。
第三，用标签。数据安全分类分级结果正式上架数据资产管理平台，统一全行权威数据安全分类分级服务提供方，多形式支撑全行数据安全全生命周期保护。
获取完整版案例，可添加微信号zimu738
▎案例4：中国建设银行数据安全治理实践
自《数据安全法》和《个人信息保护法》发布以来，建设银行高度重视数据安全治理建设工作，结合国标、行标以及行内的数据安全管理现状，建设银行围绕数据安全“管理、保护、运维”三个方面，明确由17个领域组成的数据安全治理体系，形成覆盖前中后台的安全管理三道防线，协同推进实施安全策略。
数据分类分级是保障数据安全的重要基础，建设银行基于行业标准制定了数据安全分级标准规范，并自主研发数据安全自动化定级模型，通过机器学习等方法实现数据安全等级的自动化初判，目前已初步完成数据湖仓、部门业务系统100余万数据项的自动化定级，并推动总行部门对定级结果进行复核和发布。
获取完整版案例，可添加微信号zimu738
▎案例5：中国建设银行数据访问控制安全平台建设实践
中国建设银行构建较为完备的数据安全防护体系，通过密码服务组件解决数据存储和传输安全，基于数据安全组件、虚拟化终端、终端安全、数据防泄漏、数字水印、数据脱敏、零信任云工作平台等安全组件和服务，实现安全可控的数据使用环境。
为实现更细粒度的数据安全访问控制和动态脱敏能力，建设银行搭建数据访问控制平台，以快速应对业务变化和监管合规、快速落地访问控制需求，以企业级平台的方式，为应用提供基于业务逻辑的细颗粒度隐私数据保护能力。
获取完整版案例，可添加微信号zimu738
▎案例6：国信证券数据安全治理实践
为满足监管要求、提高客户信心、提升业务保障，国信证券开展数据安全治理项目，从时间（数据采集->数据存储->数据传输->数据使用->数据共享->数据销毁）和空间（物理层->网络层->存储层->应用层）两个视角开展数据安全防护工作，数据安全贯穿于数据全生命周期和各个物理边界。
获取完整版案例，可添加微信号zimu738
▎案例7：中国铁塔数据安全治理实践
中国铁塔使用多源异构数据治理技术对各业务信息、安全设备信息等，统一标准化数据接口，实现多源数据归集、数据标准化、数据融合，为数据生命周期安全整合分析提供基础技术。
通过构建一套以“数据安全治理”为起点，以“数据安全运营”为目标，“管理+技术”融合的数据安全体系化建设，在满足国家法律合规的要求下，基于多源数据资产的识别、多源数据安全信息的整合，运用大数据底层架构，建立基于数据生命周期的安全风险模型，完成基于数据重要程度的风险监测和安全处置联动能力，解决中国铁塔数据安全体系建设难题。
获取完整版案例，可添加微信号zimu738
▎案例8：蔚来汽车数据安全保护实践
蔚来汽车在数据安全保护主要面临三类问题，第一，非结构化数据量大且保护难度大；第二数据安全风险面广；第三，数据合规成本高。
· 对于非结构化数据，蔚来汽车构建隐私保护算法，在保证用户隐私的同时满足业务的使用诉求；
· 对于数据安全风险面广的问题，蔚来汽车从业务场景和数据资产两方面进行数据安全风险管控，场景端关注数据怎么用，资产端关注数据从哪儿来，通过核心的应用系统桥梁，将场景和数据连接起来；
· 对于高合规成本，蔚来汽车通过关键要素和流程沉淀知识库，并通过智能技术自动匹配实现知识高效复用，降低合规成本，提高评估效率。
获取完整版案例，可添加微信号zimu738
▎案例9：江西联通数据安全分级分类平台建设实践
为解决数据梳理工作中合规要求多、数据变化快、协同工作难等问题，江西联通构建合规和安全双驱动的数据安全体系，包括三大目标、五大体系、八大场景和十五大产品，具体来看：
• 三大目标：包括数据安全防护、数据监管合规和数据安全流通；
• 五大体系：为了满足以上三大目标，需要五大体系作为支撑、实现有效配合，包括数据安全管理体系、数据安全组织体系、数据安全合规体系、数据安全技术体系和数据安全运营体系；
• 八大场景：数据安全与业务场景和流程息息相关，解决方案需要紧贴场景，目前数据安全体系可满足生产、办公、运维、开发、测试、数据内部共享、数据外部流转、数据出境等业务应用场景。
• 十五大产品：包括两大基础平台、九大能力子系统和四大管理平台。
获取完整版案例，可添加微信号zimu738
▎案例10：中国移动个人信息保护体系建设实践
由于业务场景复杂、涉及角色众多，中国移动个人信息保护工作面临诸多痛点，对此，中国移动参考相关国家标准模型，以“明确红线零容忍、安全发展统筹兼顾、分类分级差异化管控、务实求效形成常态”为原则，从组织机制、管理制度、技术能力、运营机制四个维度建立个人信息保护体系，保证对于各项业务活动中个人信息保护的全面性、规范性和适宜性，保障大数据安全合规有序地为中国移动转型发展助治赋能，同时推动实现数据要素市场化，将中国移动大数据服务能力赋能各行各业。
获取完整版案例，可添加微信号zimu738
