在数字化转型的浪潮中，《迈向智能世界白皮书2024》近日发布，它不仅揭示了数据作为关键要素在转型过程中的核心地位，还通过多个生动案例，展示了数据如何在AI技术的推动下，实现知识的发现与创造，特别是在金融行业。

想象一下，当金融机构借助AI技术，能够为您量身定制服务，精准优化风险管理，并大幅提升客户服务质量时，金融行业的面貌已然焕然一新。然而，在这光鲜亮丽的背后，数据安全这一隐形的守护者，正悄然成为智能金融能否稳健前行的决定性因素。

数据安全：金融智能化的前提

正如白皮书所述，人工智能的发展离不开大数据的滋养。在金融领域，数据不仅是智能金融的“石油”和“粮食”，更是推动金融数智化转型的核心驱动力。金融机构通过挖掘客户信息、交易记录、市场动态等海量数据，训练出强大的AI模型，从而提供更加智能化、个性化的服务。

目前的人工智能处于“吃啥补啥”的阶段——通过“吃”进去的“大数据”训练大模型，以形成人工智能。那么，就会存在“病从口入”的问题，即如果数据本身存在问题，就难以保证人工智能输出的安全。

数据的安全性问题，如同悬在智能金融头顶的达摩克利斯之剑，一旦数据被窃取、篡改或泄露，不仅会导致AI模型的决策失误，还可能引发严重的经济损失和信任危机。

政策引领，筑牢金融数据安全防线

国家从多层次明确提出了金融数据安全要求，旨在通过政策引导全面提升行业的数据保护能力。2023年7月24日，央行发布《中国人民银行业务领域数据安全管理办法（征求意见稿）》，旨在为相关数据处理者依法依规开展业务领域数据处理活动、完善数据合规管理制度提供实践指引。该办法细致入微地规划了风险监测、评估审计、事件处置等合规要求，力图构建一个全方位的数据安全防御体系。

截至目前，我国已基本形成以《网络安全法》《数据安全法》《个人信息保护法》《密码法》等法律为核心，行政法规、部门规章为依托，国家标准和行业标准等为指南的金融数据安全合规保障体系。

除政策法规外，《多方安全计算金融应用技术规范》《个人金融信息保护技术规范》《金融数据安全数据生命周期安全规范》等有关金融行业数据流通和数据安全的标准规范也相继发布，更好地指导和规范金融机构安全有序地开展数据要素流通和共享相关工作。

挑战重重，金融数据安全任重道远

尽管政策引领，但金融行业作为产生和积累数据量最大、数据类型最丰富的领域之一，其数据安全面临的挑战依然严峻。

1.数据资产发现与分类分级难题

参与流通的数据形态日益丰富，数据资产梳理和分类分级难度加大，极易产生安全死角。同时，数据的类别级别需要结合业务场景进行动态调整，在不同场景下的等级认定以及相应的管控或处理技术可能不同，数据分类分级的持续性难以保持。

2.数据安全保障体系建设滞后

随着大数据、云计算等新技术的应用，数据安全面临新的安全威胁。传统的安全防护措施可能无法应对复杂多变的攻击手段，如数据泄露、篡改、勒索等。同时，数据安全风险感知、监控、预警和应急响应能力不足，使得在发生安全事件时，难以及时、有效地进行处置。

3.数据共享与开放的风险

现有数据共享与开放的管理制度可能存在不足，如权限管理不严、数据去标识化处理不彻底、对外合作方监管不力等，导致数据在流转过程中易受攻击。

4.数据安全合规挑战

各项监管政策越来越多，监管要求日趋精细化，网络安全监管要求越来越多，满足监管的难度越来越大。

全流程治理体系保障金融数据安全

针对金融领域的数据治理挑战，道普信息作为第三方风险管控领域的专家，提出了构建全流程数据安全治理体系的解决方案。

1. 健全数据安全治理体系保障数据安全

通过数据治理体系建设，不断开发创新的数据服务，融合目标、流程、方法、工具，建立覆盖数据全生命周期的"数据管理机制、数据管理平台、数据开放平台“框架，实现数据的资产化、可视化、服务化，保障数据的核心价值。

强化数据安全风险评估，对数据全生命周期进行风险识别和评估，提升数据安全保障能力、风险发现能力，确保数据安全风险可控。

2.多规管理融合加强网络安全合规

基于网络安全责任制、等级保护、关基保护、密码应用、数据安全、个人信息保护等监管要求，开展等保、密码、关保等多规测评，针对风险提出改进建议，帮助完成合规整改。

3.构建安全防护体系实现安全运营

从运营管理、运营运行、运行技术三方面，构建具备一体化的分析识别、安全防护、监测评估、监测预警、主动防御、事件处置功能的数字安全保障体系，形成终端防护、边界隔离与威胁监测的安全方案，实现安全运营。

随着人工智能技术在金融领域的广泛应用，一个充满机遇与挑战的新时代正在到来。在这个新时代里，数据安全不仅是智能金融稳健发展的基石，更是智慧金融、数字经济发展的重要保障。只有确保数据的安全和合规使用，才能充分释放AI技术的潜力，推动金融行业的持续创新和高质量发展。