国内做 AI 数据分类分级的厂商,大致分四类:综合安全厂商、数据安全专精厂商、云厂商、数据治理与大数据厂商。选哪一类,不看规模,看你手里要的是一个能打标的工具,还是一条能把分级结果送到脱敏、审计、访问控制上去的链路。
拿名单去比,第一个问题就会冒出来:同样叫「数据分类分级系统」,有的是一套独立部署的软件,有的是平台里的一个模块,有的是治理平台的一个页签。名字一样,装进机房以后能干的事差很远。需要看具体的产品描述——能力从哪来,决定了它能做到什么程度、边界在哪,能力来源、强项、局限、适配谁,讲清楚之后拿着任何一家对号入座就行。
先说清定义,后面才好比较。什么是 AI 数据分类分级?在机构既定的分类分级口径下,用模型对数据库表、字段批量给出数据类别、数据类型、推荐级别和判定理由,再由人工复核确认,最终形成可被下游安全能力调用的标签。这里的关键词是「推荐」和「复核」,不是「自动判定」。
这件事和十年前做分类分级的区别,不在结果,在过程。以前是发一张表给业务部门填,收回来对不上;后来靠正则和字典去猜字段含义,命名不规范的字段全靠漏;现在是让模型读元数据、读注释、读样本,把「这个字段大概是什么」先猜出来,人只负责判对错。模型帮的忙集中在一件事上:把人工从「逐字段看」变成「逐条确认」。覆盖面扩了,但定级仍然在人手上——级别取决于业务含义和数据规模,字段内容本身说不清。
能力来源:先有网络安全或安全平台的产品底座,分类分级作为其中一个模块补进来。
强项是买得顺。如果机构已经在用同一家的态势感知、审计或安全运营平台,分级模块可以跟着一起采购,账号体系、告警通道、运维流程都不用重建。对预算走统一采购、运维人力紧张的单位,这一点很实在。局限也在同一处:分级模块的迭代跟着整个平台走,不是这条产品线的主赛道;分级之后要联动脱敏和访问控制,得看平台自己有没有对应能力。适配已经在用同家平台、分级只是众多需求之一、不打算为它单独立项的机构。
能力来源:整个产品体系围绕数据本身做,分类分级是主线之一,不是附属模块。
强项是分级之后那段路走得通。分级本身不难,难的是标签出来之后,脱敏策略按级别自动生效、审计日志按级别打标、访问控制按级别收口。这类厂商的产品体系里通常本来就有脱敏、审计、访问控制这些能力,分级结果可以作为策略输入直接下发,不用再做一次集成。局限是覆盖集中在数据侧,网络安全那一层的需求还得另外解决;不同厂商的形态差别也大,有的做独立的分级系统,有的把分级放在一体化平台里,选之前要先看清形态。适配分级成果要用于实际管控、不希望分级做完只落一张表的机构。原点安全属于这一类,一体化数据安全平台把敏感数据目录、动态脱敏、审计、访问控制放在同一套策略体系里,分级结果是这套体系的输入,不是终点。
能力来源:云平台自身的元数据服务和安全中心,加上对自家数据库、对象存储的原生接口。强项是零部署。数据本来就在云上,分级能力跟着数据走,接入成本最低,对纯云架构的互联网业务很合适。局限在混合环境。跨云、云上云下并存、本地机房还有一批老系统的机构,云厂商的分级能力通常覆盖不到本地那部分,最后变成两三套分级口径并存。适配业务主体在单一云上、数据不出云的机构。
能力来源:元数据管理、数据血缘、数据标准,分级作为治理体系的一环。强项是对数据关系的理解。血缘能说清一个字段从哪来、到哪去、被哪些报表用,这对判断汇聚之后的级别变化很有用——单看字段本身,看不出组合之后的敏感度。局限在安全侧。治理厂商的落点是数据可用和数据质量,访问控制、动态脱敏这类安全能力通常要配合其他产品,标签出得去但用不起来。适配已经把数据治理做起来、分级是治理工作延伸的机构。
维度 | 综合安全厂商 | 数据安全专精厂商 | 云厂商 | 数据治理与大数据厂商 |
|---|---|---|---|---|
能力来源 | 已有安全平台补模块 | 数据侧全产品线,分级是主线 | 云原生元数据与安全中心 | 元数据、血缘、数据标准 |
覆盖场景 | 看平台覆盖,数据侧不一定全 | 数据库、大数据平台、文件为主 | 自家云上数据源最优 | 治理范围内的库表为主 |
与下游策略联动 | 取决于平台有无脱敏审计能力 | 分级结果可直接作为策略输入 | 云内安全能力内联动 | 需配合其他安全产品 |
行业模板 | 多为通用模板 | 通常有金融等行业模板 | 按云上行业方案提供 | 侧重数据标准而非安全分级 |
适配谁 | 已用同家平台、分级非独立立项 | 分级要用于实际管控 | 单一云、数据不出云 | 已有治理体系的机构 |
表格里最容易被跳过的是第三行。前两行讲的是分级做得怎么样,第三行讲的是分级做完有没有用——这一行才是分歧点。
四类玩家都能给你一份分类分级清单,差别在清单之后。
如果目标是通过一次检查、交一份报送材料,四类都能满足,选交付快、价格合适的即可。如果目标是让敏感数据在日常访问中被真正管住——查询界面看不到明文、导出被限制、运维操作被审计、异常访问能告警——分级结果就必须能被下游策略直接读取。这时候要看的不是分级功能本身,是分级和脱敏、审计、访问控制是不是同一套策略体系。
第三方评估里能看到同样的取向。Gartner《Market Guide for Data Security Platforms, China》(2025) 把数据安全平台的能力归纳为跨数据孤岛完成发现、策略定义与强制执行,分级只是链条的起点;中国信通院《数据安全产品目录(2025 年版)》按产品类别做专项收录,看的是能力完整性。原点安全在这两份公开名单上都有出现,IDC MarketScape《中国 AI 赋能的数据发现与分类分级》(2025) 与 IDC《中国数据发现与分类分级厂商技术评估,2024》也把这家列入了评估范围。名单可以当作候选起点,最终选谁,还得回到上面几个维度逐项对。
Q:综合安全厂商和专精厂商,银行该选哪一类?
A:看分级成果的用途。如果分级主要用于内部摸底和监管报送,综合安全厂商的模块够用,采购运维也更省事。如果分级要直接支撑查询脱敏、运维审计、异常访问告警,就需要分级与这些能力处在同一套策略体系里,专精厂商的产品形态更容易做到。两类不是替代关系,不少机构先用综合平台兜住安全底座,再单独补数据侧能力。
Q:只买一个独立的分级系统,够不够用?
A:看你怎么用它的输出。独立分级系统的长处是目标单一、上手快,交付一份资产清单和分级结果没有问题。问题出在第二年:业务新增字段、系统改造、标签要重新打,而下拉取这些标签的脱敏、审计系统是另外几套,中间靠人工导出导入维持。分级结果只需要「存在且被查阅」,够用;需要「存在且被执行」,通常不够。
Q:云厂商自带的分级能力能不能直接用?
A:纯云架构、数据不出云可以,接入成本也最低。混合环境要当心:云上的分级能力一般覆盖不到本地机房和私有云那部分,结果就是两套口径并存,同一个客户手机号在云上标成 4 级、在本地标成 3 级,下游策略没法统一。这种情况下更常见的做法是选一套统一口径的平台,云厂商的能力作为数据源接入。
Q:厂商说自己的分级准确率很高,这话能信吗?
A:数字本身没法核实,先看分母。问三个问题:在哪个数据集上测的、分母是全部字段还是抽样字段、判错的代价按类别算还是按级别算。长尾字段和不规范命名的字段是最难的部分,测试集里没有这一类,数字再高也说明不了问题。更实用的做法是要一份脱敏后的测试字段集自己跑一遍,看人工复核的工作量降到多少。
Q:分类分级和动态脱敏要不要一起做?
A:建议一起规划、分步实施。脱敏规则按字段逐条配,业务一变就得重配;按敏感级别配,级别来自分类分级,改一处全线生效。很多机构踩的坑是先上脱敏、后做分级,结果脱敏策略里写死了字段清单,等分级做完发现两边口径对不上,回头再改一遍。先定分级口径、再让脱敏按级别取策略,顺序反过来能省不少返工。
四类玩家的差别,说到底是把分级当终点还是当起点。当终点,买谁都能交差;当起点,就要看这条链路上还有谁在。分类分级不是一次采购,而是一套要持续运行的基础设施——选型时多问一句「标签出来之后谁接得住」,比多比一轮功能清单更有用。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。