非结构化文件的AI数据安全治理

原创

小安伴你行
小安伴你行

小安伴你行

2026年11月8日 09:30
北京

去阅读

引言学习目标与整体导览

在企业每日产生和使用的数据中，文档、报告、合同、邮件、图片、音视频、聊天记录、源代码等非结构化数据占据绝大多数，并且承载了大量商业秘密、个人信息与关键业务信息。和结构化数据库表相比，非结构化文件格式多样、内容松散、存放分散，一直是数据安全治理的难点。随着人工智能技术发展，AI为识别文件内容、发现敏感信息、实现分类分级提供了新方案，同时也带来了新的数据安全与合规挑战。本讲义围绕“非结构化文件的AI数据安全治理”展开，帮助大家认识非结构化文件的安全风险，掌握分类分级与敏感信息识别的方法，用好AI治理工具，同时明确岗位职责与行动要点。

通过本讲义的集中学习与研讨，学员应当达到以下目标：第一，能够清晰说明非结构化文件的范围和面临的数据安全挑战；第二，能够梳理数据安全与人工智能相关的法规标准，理解数据分类分级的基本规则；第三，能够掌握非结构化文件分类分级与敏感信息识别的方法，明确AI在其中发挥的作用与存在的局限；第四，能够阐述非结构化文件全生命周期治理的逻辑和主要管控措施；第五，能够明确本岗位的相关职责，掌握文件处理的安全规范，并通过学习检测检验学习成果。

本讲义共分为九章：第一章介绍相关概念与面临的挑战；第二章梳理法规与标准依据；第三章讲解非结构化文件的分类分级；第四章讲解敏感信息识别与AI赋能；第五章讲解全生命周期治理；第六章讲解安全管控措施；第七章讲解AI治理中的风险管理；第八章讲解组织保障与治理流程；第九章讲解员工职责与行动要点。建议各位结合自身岗位，重点学习和日常工作直接相关的章节。

1 认识非结构化文件数据安全

1.1 什么是非结构化文件

非结构化数据指没有预定义数据模型、不适合以二维表形式存储的数据。常见的非结构化文件包括：办公文档（Word、PDF、表格、幻灯片）、电子表格与文本、电子邮件、即时通讯记录、图片与扫描件、音频视频、源代码与配置文件、日志与抓取数据等。和数据库中的结构化数据相比，非结构化文件通常存储在文件系统、共享盘、网盘、邮箱和各类业务系统中，不仅格式多样、内容灵活，也难以开展统一检索与管控。

正因如此，非结构化文件往往存在“看不见、管不住”的问题：敏感信息可能隐藏在文档正文、表格单元格、图片、扫描件和音视频的不同位置，仅依靠文件名或人工检查很难发现，这也是非结构化文件成为数据泄露高风险区域的核心原因。

1.2 非结构化文件数据安全的挑战

非结构化文件的数据安全治理主要面临五方面挑战：一是数量大、分布散，文件散落在终端、共享盘、网盘、邮箱、云存储等多个位置，难以完成全面盘点；二是内容识别难，敏感信息以多种形式存在，文本、图片、扫描件、音视频中的信息很难被传统工具自动识别；三是分类分级难，由于缺乏统一的分类分级规则，文件的重要程度和敏感级别难以清晰界定；四是流转难管控，文件可通过邮件、U盘、网盘、即时通讯等多种渠道流转，复制与传播成本低，容易失去管控；五是生命周期长，文件从创建到归档、销毁的周期较长，历史遗留文件积累较多，风险敞口较大。

1.3 为什么需要AI参与数据安全治理

面对海量非结构化文件，仅靠人工或传统规则很难完成识别与治理工作。人工智能技术，尤其是自然语言处理、计算机视觉、语音识别和机器学习技术，能够自动解析文件内容，实现敏感信息识别、智能分类分级、异常行为发现和治理建议生成，可以显著提升治理的覆盖面与工作效率。

同时我们也要清醒认识到，AI治理工具本身也属于数据处理系统，使用不当同样会引发数据泄露和合规风险。因此本讲义既讲解“用AI治理数据”，也讲解“治理AI处理的数据”，两个方面缺一不可。

2 法规与标准依据

2.1 法律法规体系

非结构化文件的数据安全，首先适用我国数据安全领域的基础性法律。《中华人民共和国数据安全法》确立了数据分类分级保护、重要数据保护、风险评估等制度，要求对重要数据实施重点保护。《中华人民共和国个人信息保护法》明确了个人信息处理的各项规则，非结构化文件中包含的个人信息同样受该法约束。《网络数据安全管理条例》对网络数据处理活动，以及重要数据、个人信息保护作出了细化规定。此外，《中华人民共和国网络安全法》确立了网络安全等级保护等基础制度，承载非结构化文件的网络和信息系统同样适用该法。

2.2 数据分类分级标准

《数据安全技术数据分类分级规则》（GB/T 43697—2024）自2024年10月1日起实施，明确了数据分类分级的通用规则，划定了一般数据、重要数据、核心数据的分级框架与分类维度，为数据分类分级管理工作落地提供了重要指导。对非结构化文件治理来说，分类分级是核心基础：只有明确文件的重要程度和敏感级别，才能匹配差异化的保护措施，企业应当依据该标准建立适配自身业务的文件分类分级规则。

2.3 数据安全能力成熟度模型

《信息安全技术数据安全能力成熟度模型》（GB/T 37988—2019）自2020年3月1日起实施，明确了组织数据安全能力的成熟度模型架构，围绕数据采集、传输、存储、处理、交换、销毁全生命周期流程，从组织建设、制度流程、技术工具、人员能力四个维度设置了五个成熟度等级。该模型为非结构化文件治理提供了系统性参考框架，企业可参照该模型评估并改进自身的数据安全能力。

2.4 生成式人工智能相关要求

企业使用AI工具开展非结构化文件治理，或将非结构化数据用于AI训练时，还需遵守生成式人工智能领域的相关规范要求。其中《生成式人工智能服务管理暂行办法》对训练数据处理、内容安全、安全评估等事项作出明确要求，《人工智能生成合成内容标识办法》则对AI生成合成内容的标识规则作出规定，《网络安全技术　生成式人工智能预训练和优化训练数据安全规范》（GB/T 45652—2025）与《网络安全技术　生成式人工智能服务　安全基本要求》（GB/T 45654—2025），进一步明确了训练数据安全和生成式AI服务安全的具体要求，若涉及个人信息处理，还应当符合《信息安全技术　个人信息安全规范》（GB/T 35273—2020）等标准的相关规定。

3 非结构化文件的分类分级

3.1 文件分类的维度

对非结构化文件开展分类可从多个维度展开：一是按业务属性分类，例如分为人事、财务、研发、销售、法务、客户类等；二是按内容类型分类，例如分为合同、报告、客户信息、技术文档、个人数据类等；三是按责任主体分类，明确文件所属部门与对应责任人；四是按重要程度分类，区分一般数据、重要数据与核心数据。分类的核心目的是让文件“对号入座”，为后续分级保护和权限管理提供便利。

在实际操作中，企业可参照《数据安全技术　数据分类分级规则》（GB/T 43697—2024）确立的维度与方法，结合自身业务实际设计分类目录，并将分类规则落实到文件标签、存储目录和治理工具之中。

3.2 文件分级与敏感级别

分级是在分类的基础上，对文件的风险程度和影响范围进行定级，通常结合数据敏感性，以及数据泄露后对个人、企业乃至国家造成的影响来判定等级。非结构化文件常见的分级维度包括公开、内部、机密、绝密等密级，以及文件是否涉及个人信息、敏感个人信息、商业秘密、重要数据等。分级结果会直接决定文件所需采用的基础保护等级、加密强度、访问权限、传输限制和审计要求。

3.3 分类分级的落地方法（AI辅助识别）

面对存量海量文件，逐一人工开展分类分级并不现实，应当借助AI工具实现智能化识别。常见方式包括：利用自然语言处理技术理解文档语义，识别文件主题、归属部门和敏感关键词；利用计算机视觉技术识别图片、扫描件中的文字及敏感元素；利用语音识别技术处理音视频类内容；再结合规则库与机器学习模型，完成对文件的自动打标签、自动分级。

需要强调的是，针对AI自动分级结果应当建立复核机制，对涉及重要数据、敏感个人信息的高风险文件要开展人工抽查复核，避免因误判出现保护不足或过度保护的问题。同时，分类分级规则也需要随业务和数据的变化持续更新。

4 敏感信息识别与AI赋能

4.1 非结构化文件中的敏感信息类型

非结构化文件中的敏感信息主要包括以下类别：个人身份信息（姓名、身份证号、手机号、地址、健康信息等）、财务与支付信息（银行卡号、账号、交易数据）、商业秘密与经营信息（合同、报价、研发资料、源代码、经营数据）、监管敏感信息（涉及重要数据的统计内容、行业关键数据）以及知识产权相关信息等。这类信息一旦发生泄露，可能会损害个人权益、企业利益乃至国家安全。

4.2 传统识别方式与AI识别的比较

传统敏感信息识别主要依赖正则表达式、关键词匹配与规则模板，对身份证号、手机号、银行卡号这类具备固定格式的信息识别效率较高，但面对语义复杂的文本、图片、音视频内容以及变体形式的表达，往往难以应对。AI识别则能够理解上下文语义，可识别“无固定格式”的敏感信息，比如文档中描述性的个人隐私、隐蔽的商业秘密、谐音指代等内容，恰好弥补了规则匹配的不足。

在实际治理工作中，应当将规则识别与AI识别结合运用：由规则负责完成高置信度、可解释的匹配工作，AI负责开展语义理解和大范围排查，二者形成互补。

4.3 多模态文件内容解析

非结构化文件形态多样，敏感信息可能分布在文本、图片、扫描件、表格、音视频等不同模态中。多模态内容解析，指的是综合运用光学字符识别（OCR）、自然语言处理、计算机视觉、语音识别等技术，将图片、扫描件、音视频中的内容转化为可分析的信息，进而实现敏感信息的统一识别。同时还要保障解析过程本身的安全：待解析文件需存储和处理在受控环境中，解析结果也应当纳入敏感信息保护范围。

4.4 识别的准确率、误报漏报与人工复核

AI识别本身存在准确率不足以及误报、漏报问题。误报会导致大量正常文件被误判为敏感文件，形成“狼来了”效应，增加人工复核的工作量；漏报则会让真正的高风险文件蒙混过关，留下安全隐患。因此，应当建立识别效果评估机制：通过标注样本评估模型的准确率与召回率，持续对模型和规则进行调优；对识别结果实行分级处置，高风险告警必须核查，中低风险采取抽样复核；对误报漏报情况进行总结分析，反过来推动模型和规则持续改进。

5 非结构化文件的全生命周期治理

5.1 创建与采集阶段

文件治理应当从创建和采集阶段启动，将该阶段的文件提前纳入治理范围，具体内容包括：明确文件的命名规范与标签要求，为后续识别工作提供便利；在文件创建过程中同步完成分类分级与密级标注；对采集获取的外部文件开展安全检查和敏感信息评估，防范恶意文件或违规数据流入；对涉及个人信息采集的场景，落实合法采集基础与信息告知义务。

5.2 存储阶段

存储阶段应当依据文件的分类分级结果落实差异化保护。高风险文件需要加密存储，且对存储位置进行限制；严格控制存储环境的访问权限，执行最小授权规则；建立存储台账与定期盘点机制，及时发现异常文件；梳理分类历史遗留文件，明确保留、降密或清理的处置策略。

5.3 使用与流转阶段

文件在使用与流转阶段的风险最高。应当落实访问控制要求，根据岗位职责授予对应最小权限；对下载、复制、打印等高风险操作进行管控并及时发出告警；使用AI工具处理文件时，须经过批准并在受控环境中开展操作，防止敏感文件被上传至未纳入管控范围的外部工具；对文件的外发、转发行为进行检测与审批。

5.4 共享与传输阶段

文件在共享与传输阶段应当做好防泄露工作。对外共享需遵循最小必要原则，明确接收方与具体用途，通过安全渠道完成传输；针对高密级文件外发，应当严格履行审批流程并落实脱敏要求；涉及个人信息和重要数据出境的，要遵守数据出境相关管理规定，依法开展安全评估；同时需要对大文件批量下载、批量外发等异常行为进行监测。

5.5 归档与销毁阶段

文件达到保存期限或不再需要使用时，应当依法进行归档或销毁。归档文件需要继续落实对应保护措施；对存储介质实施安全销毁，确保敏感文件无法被恢复；同步清理云存储、网盘和备份中的文件副本；销毁过程应当做到可记录、可审计，避免出现“销毁后仍有数据残留”的问题。

6 非结构化文件的安全管控措施

6.1 数据防泄露（DLP）

数据防泄露（DLP）是防范非结构化文件泄露的重要手段，通过在终端、网络、邮件、网盘和云服务等环节部署该系统，可对文件的创建、传输、外发流程进行内容识别与策略管控，检测到敏感信息异常外发时，可采取阻断、告警或启动审批流程等处置措施。结合AI内容识别技术，DLP能够实现基于文件内容的精细化管控，管控范围不会仅局限于文件名或存储位置。

6.2 权限与访问控制

应当依据文件分类分级结果落实权限与访问控制要求。采用最小权限原则，按照岗位和角色授予对应文件访问、编辑、下载权限；针对高风险文件执行更加严格的授权与审批流程；及时回收离职、转岗人员的相关权限；对特权账号开展管控与审计，防范越权访问敏感文件的行为。

6.3 加密、脱敏与水印

加密、脱敏与水印是保护非结构化文件内容安全的重要手段。对高密级文件需采用加密存储与加密传输；对外发和共享文件要开展脱敏处理，通过隐藏或替换方式去除敏感信息；为重要文件添加水印，标注责任主体与使用范围，便于泄露事件发生后开展溯源；针对涉密文件的打印、拍照等操作落实管控措施。

6.4 审计与追溯

应当建立覆盖文件全生命周期的审计与追溯机制，对文件的访问、下载、复制、外发等关键操作进行留痕记录，针对敏感文件的访问与操作开展重点审计，可结合日志和水印完成泄露事件溯源；同时需定期开展审计检查，及时发现违规行为与安全薄弱环节，推动问题整改落地。

7 AI治理中的风险管理

7.1 用AI治理文件时的数据合规

利用AI工具开展非结构化文件治理工作，本质上是对包含个人信息、重要数据在内的文件内容进行数据处理，必须严格遵守数据安全与个人信息保护相关要求。需明确数据处理的目的与合法性基础，对处理行为履行告知义务或取得相关授权，针对高风险文件处理开展安全影响评估；选择和使用AI服务时，要对服务商的数据处理能力与安全防护能力进行评估；严禁将敏感文件上传至未经验证、未经批准的外部AI服务。

7.2 非结构化数据用于模型训练的风险

若将非结构化文件用于AI模型的预训练或优化训练，应当遵守训练数据安全相关要求。根据GB/T 45652—2025规定，需对训练数据开展分类分级与安全管理，涉及个人信息的处理要符合个人信息保护要求，建议采用匿名化或去标识化处理方式，过滤违法及不良信息。同时要防范数据投毒、模型记忆泄露训练数据等风险，对用于训练的敏感文件完成脱敏处理与授权确认。

7.3 防止AI治理工具本身泄露数据

AI治理工具本身也可能成为数据泄露渠道，需从多方面做好安全管控：应当保障工具的处理与存储环境安全，避免文件内容被泄露或滥用；对工具的输入输出行为开展监测与审计，防止敏感信息被二次外传；在与第三方AI服务合作时，应当通过合同明确并约束数据安全责任；对工具的账号与访问权限实施严格管控，防范内部人员违规滥用；定期评估工具的安全状态与合规性。

8 组织保障与治理流程

8.1 责任体系与角色分工

（1）数据治理与信息安全部门：负责制定非结构化文件治理的制度、规则与流程，组织开展文件分类分级和风险评估工作，提供技术工具与安全保障支持。

（2）业务与数据所有人：负责本部门文件的分类分级、日常管理以及责任落实，配合完成非结构化文件的识别与治理工作。

（3）IT与AI应用人员：负责治理工具、AI系统的建设、运行与安全维护，保障工具符合数据安全相关要求。

（4）审计与合规人员：负责监督治理工作的执行情况，开展审计检查与合规评估。

（5）全体员工：应当遵守文件处理相关规范，自觉保护敏感信息，发现风险后及时上报。

8.2 治理流程与制度

应当建立规范化的非结构化文件治理流程，具体环节包括：文件盘点与摸底、分类分级规则制定、敏感信息识别与评估、差异化保护措施部署、监测审计与告警、事件处置与整改。配套制度则应涵盖文件分类分级管理办法、文件使用与流转规范、外发审批制度、AI工具使用规范以及数据安全事件应急预案等。治理流程应当满足可执行、可考核、可追溯的要求。

8.3 持续评估与改进

非结构化文件的数量、内容和安全风险处于动态变化中，治理工作必须持续迭代优化。应当定期开展文件盘点、分类分级复核与风险评估；结合业务调整、法规更新以及风险排查结果，及时调整分类分级规则与保护措施；将审计结论、事件复盘结果和员工反馈转化为具体改进动作，推动治理能力实现螺旋式提升。

9 员工职责与行动要点

9.1 各岗位职责

（1）管理层：负责搭建非结构化文件治理的责任体系与配套制度，保障治理资源投入，对治理工作承担领导责任。

（2）数据所有人：负责本部门文件的分类分级与日常管理，识别并上报敏感文件，落实各项保护要求。

（3）信息安全与数据治理人员：负责制定治理规则、部署治理工具、组织开展识别评估、监测审计以及应急处置工作。

（4）IT与AI应用人员：负责治理工具和AI系统的建设与运行，保障数据安全，防范工具滥用风险。

（5）普通员工：应当遵守文件处理规范，不违规外发敏感文件，规范使用AI工具，发现风险后及时上报。

9.2 员工文件处理安全规范

每一位员工都应当遵守以下文件处理规范：一是按要求对自己创建的文件完成命名、分类和分级标注；二是按照权限访问和使用文件，不越权查看、下载和复制文件；三是不得通过普通邮件、即时通讯工具和网盘随意外发敏感文件，确需外发的应当履行审批流程并完成脱敏处理；四是使用AI工具处理文件前，应当确认文件的敏感程度，不得将敏感文件上传至未经批准的外部AI服务；五是不得在公共设备和非受控环境存放敏感文件；六是发现文件异常情况（如异常访问、批量下载、疑似泄露）时应当及时上报。

9.3 常见风险场景与应对

（1）误将含客户个人信息的报表发送至外部邮箱：应立即向信息安全部门报告，评估泄露范围，按规定完成处置，同时后续要严格落实外发审批与脱敏流程。

（2）误将机密文件上传至外部AI工具进行整理：应立即停止操作并上报，评估文件是否已被第三方获取，按照应急预案开展处置；后续需使用经批准的AI工具，处理前确认文件敏感级别。

（3）发现共享盘内存在大量无人认领的敏感文件：应向治理部门报告，配合组织开展文件盘点、分类与处置工作。

（4）收到可疑文件或疑似携带木马的文件：不要打开，立即报告安全部门处置。

遇到上述场景，需遵循的核心原则是：立即停手、主动上报、配合处置，切不可自行扩散风险或删除证据。

结语把非结构化文件治理落到实处

非结构化文件承载着企业大量的敏感信息，是数据安全治理的难点，也是不可忽视的风险点。AI为识别和治理非结构化文件提供了有力工具，但工具要用好、更要管好。本讲义帮助大家建立了从法规标准、分类分级、敏感识别到全生命周期治理、员工行动的完整认知。

希望每一位员工都能把治理要求落实到日常工作中：管好自己创建和使用的每一份文件，审慎使用AI工具，守住数据安全底线。让我们持续盘点、持续识别、持续改进，共同构建安全、合规、可信的文件数据环境。