文 | 中国民生银行信息科技部 袁靖
随着银行数字化转型的加速发展，数据已成为金融机构的核心资产和战略资源。在拥抱数字化浪潮的改革进程中，数据安全面临接口资产管理失控、安全漏洞攻击频发、三方数据违规传输、业务逻辑异常数据访问等多维度安全风险。为高质量推进数字金融的创新发展和转型应用，全面保障客户数据安全和业务资金安全，中国民生银行（以下简称“民生银行”）通过建设数据安全风险监测运营体系，对各个网络区域流量进行数据安全分析，结合数据分类分级结果、终端安全日志、数据库审计日志、用户权限数据、应用数据安全风险监测告警日志等多数据融合的技术，主动关联分析和研判处置数据安全风险告警，同时为数据安全事件追踪溯源提供支撑，构建从被动防御向主动治理的数据安全防护体系，筑牢数字安全屏障。
金融行业作为数字化转型的先行者，在大模型技术融合、移动互联网应用深化、数据开放共享加速的背景下，其数据已成为关键生产要素。与此同时，数据非法采集、数据泄露、数据权限滥用等安全问题日益凸显，行业面临着外部新型网络攻击、业务场景数据风险多元、监管合规安全底线、全链路数据安全风险等多重挑战，亟需不断完善数据安全防护体系，全面保障客户数据安全和业务资金安全。
（一）新型网络攻击层出不穷，银行数据安全风险日益突出
随着数字金融转型发展，人工智能、区块链、大数据、物联网等新技术深度应用，传统网络安全防御范式针对数据安全“失灵”，缺乏数据业务安全、个人信息保护等内容，网络安全格局正深刻变化。同时，新型技术被攻击者恶意利用，“定制化、隐蔽性、针对性”智能网络攻击不断涌现，客户精准网络诈骗、数据投毒攻击、数据黑产获客等花招层出不穷，面临勒索软件、数据泄露、供应链风险等严峻安全威胁，数据安全风险监测和防护遭受多重挑战，数据安全风险持续加大，容易造成巨大经济损失，进而引发系统性金融风险。
（二）银行业务场景复杂多样，数据安全风险呈现多元趋势
随着数字化技术的发展和创新，银行作为科技密集型企业，跨行业、跨机构、跨部门的数据融合应用场景加速落地，金融服务和场景不断扩展，而数据归属和管理边界愈加模糊。同时，数据资产在互联网上的暴露面持续增大，导致数据安全风险呈现复杂化、多元化和差异化等特征，无法对数据实施精细化的安全管理和防护，易引发关联性数据安全风险事件。
（三）行业监管规范持续完善，数据安全成为银行合规新底线
目前，我国已搭建以《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等法律法规为基础，《中国人民银行业务领域数据安全管理办法》《银行保险机构数据安全管理办法》等国家和行业标准为指导的金融数据安全合规体系。近年来，金融行业违法违规案例持续高发，罚单金额屡创新高，对数据安全监管力度逐渐加大，为切实维护国家网络安全、数据安全，保护人民群众合法权益，数据安全合规已成为银行发展新底线。
（四）银行数据高频共享流转，安全威胁演变为全链路风险
随着金融行业数字化转型深入推进，海量数据在企业内部和外部频繁流通与共享。在采集、传输、存储、使用、删除、销毁等数据处理活动的各个环节，均面临泄露、滥用、窃取等安全威胁，形成多个数据安全“风险触点”。由于数据流转节点众多、路径复杂、权限多样，目前在数据层面难以进行统一的风险监测与联动处置，缺乏全链路动态风险监测预警措施，导致数据流转和交互难以被全面追踪溯源，使得数据安全威胁从单一薄弱环节演变成全链路失控风险。
民生银行通过数据安全“一治理”+“六个管”+“一平台”（一治理是数据安全治理，六个管是管数据、管活动、管人员、管技术、管风险、管事件，一平台是一体化数据安全风险监测运营平台），确定数据安全整体工作思路，从“全生命周期”视角规范数据处理活动。通过建设数据分类分级管理、邮件数据防泄露、终端安全管控等系统，强化敏感数据安全监测预警能力，并结合多数据融合技术关联分析数据安全风险，建立闭环管理的风险运营机制，构建从被动防御向主动治理的数据安全风险防护体系。
（一）自定义数据安全组合监测策略，提升风险告警准确性
通过数据安全风险监测系统对网络流量进行数据安全分析，使用系统内置的接口脆弱性和风险的监测策略，进行常规的数据安全风险监测，存在告警误报率高、告警质量低等问题，难以快速、准确识别数据安全风险。数据安全团队通过自定义组合监测策略，例如，接口未授权访问、应用程序编程接口（API）短时间获取大量敏感数据、非工作时间访问敏感数据过量等，实现对高危行为的实时告警与研判。同时，结合数据访问行为的特征和轨迹，系统能够精准识别未授权访问等安全漏洞，有效提升数据安全风险的监测和防范能力。
（二）日志实时接入数据湖仓，关联分析挖掘数据安全风险
通过构建PB级数据安全日志的加工及存储机制，借用数据湖仓平台，实现海量用数操作行为的长期保存和使用，并提炼数据安全各类指标。通过实时数据统一接入湖仓，将数据项的数据分类分级结果、终端安全管控日志、邮件外发审计日志、数据库审计日志、用户权限数据、应用数据安全风险监测告警日志等进行标准化导入，基于入湖基础数据创建数据安全的关联模型和统一视图，基于上述之间的逻辑关系、攻防关系等进行多源日志联合分析，关注身份凭证、用户代理等维度，深层次识别业务流程当中账号大量未授权访问敏感数据、第三方异常敏感数据访问、接口查询获取大量敏感数据等风险，并协助进行数据接口权限配置不当、系统未授权访问、账号超范围授权等安全漏洞的监测与处置，深层次挖掘数据安全风险，提升系统数据安全风险防护能力。
（三）建立数据安全追踪溯源机制，提升风险应对处置效能
针对监管机构通报及网络安全厂商提供的数据泄露线索，涉及姓名、手机号、身份证号码、银行卡号等客户个人敏感信息，已建立专项数据泄露台账清单。依托大数据平台、分布式搜索分析引擎等技术，构建海量数据加工分析和小时级的快速核验、检索、溯源能力，可对泄露数据进行单要素和多要素的真实性核验。同时，以命中的三要素（手机号、银行卡号、身份证号码）作为关键要素单一或组合溯源，通过数据安全风险监测系统追溯泄露源头、路径与时间，结合用户实体行为分析构建用户画像，联合相关业务部门进行关联反查和账户管控，并联动安全运营平台进行IP封禁、账号禁用、策略下发等自动化处置，形成“人工+自动化”的事件闭环处置机制，有效应对数据安全的响应与处置事件。
（四）试点应用大模型技术，智能辅助进行数据安全风险监测
通过引入人工智能大模型技术，赋能数据安全风险告警的智能监测，辅助实现高效数据分类分标识、行为基线分析、风险预警提示和验证等，提升数据安全风险监测和处置的效率。目前，民生银行利用大模型技术进行数据分类分级标识，全方位智能识别敏感数据，能够快速精准监测敏感数据的处理活动；汇聚各个安全设备的多源异构数据进行关联、清洗、过滤、标准化，通过关联模型和关联规则进行数据融合分析，并利用大模型技术建立行为基线，通过偏离个体或群体为基线的异常、风险行为，实现数据安全风险的关联预警；针对系统发现的风险监测告警，试点接入DeepSeek-R1-蒸馏版、Qwen3-14B等大模型进行告警自动化验证、告警风险评级及处置建议等，融合人工智能分析与专家决策协同机制，减少人工研判和预警验证的日常风险运营工作量，为智能风控提供辅助决策支持，有效提升数据安全风险监测预警的运营效率与威胁应对水平。
民生银行致力于构建“统一监测、威胁建模、智能研判、协同处置”的多维数据安全风险监测运营体系。该体系以“全生命周期可视化”为核心，覆盖从接口数据、调用监控、风险识别到溯源分析的全过程，形成“实时监测、智能响应、持续优化”的安全闭环，在显著提升常态化数据安全运营效能的同时，大幅降低了数据安全风险监测的运营成本，为实现数据安全“零事件”目标提供了有力支撑。
（一）统一监测，构建数据安全风险实时监测预警防线
通过集中管控、分级监测的架构模式，民生银行部署上线了全行数据安全风险监测系统。依托多层次监测网络，实现对网络区域流量的结果全覆盖，监测范围涵盖500余个系统模块、6000余个API接口和100余个应用。系统可有效识别短时间内敏感数据爬取、接口未授权访问、第三方明文敏感数据传输、数据接口权限配置不当等数据安全风险，并对数据泄露、篡改、滥用等威胁进行7×24小时不间断监控预警。该体系将风
险监测运营人效提升至原有水平的3倍，持续筑牢数据安全风险实时监测预警防线。
（二）威胁建模，多源日志融合深入挖掘数据安全风险
基于全方位的日志数据和用户实体行为分析（UEBA）技术，民生银行建立了“数据泄露场景+员工岗位价值+数据异常行为”的告警分析模型，并结合20余项高级别数据安全风险组合监测策略，实现对账号共享、权限滥用、数据窃取等多种威胁的快速精准识别，形成了用户行为监测和数据操作风险发现能力。同时，通过多源日志数据融合与人工智能深度分析，将安全日志实时接入数据湖仓平台进行加工及存储，并基于高频数据泄露场景构建了10余个关联模型，实现多源日志分析，从而有效挖掘用户异常行为和敏感数据流动风险，提升数据安全风险的精准预判与及时预警能力。
（三）智能研判，精准分析识别数据安全事件的风险预警
基于用户级行为图谱构建安全防护基线，民生银行引入大模型技术提取用户数据访问行为特征，并结合上下文数据进行基线偏离比对，实现对监测告警的自动化验证，能够快速精准识别数据泄露漏洞和员工违规操作风险。同时，通过人工智能分析与专家决策协同机制，对数据安全风险监测系统风险告警进行综合研判，智能标注风险等级、可信程度与处置建议等信息。系统日均自动研判风险告警300余条，有效告警识别率高达90%以上，显著提升了告警研判的覆盖率和准确性。
（四）协同处置，实现设备快速联动的事件应急闭环处置
通过将数据安全风险监测系统与网络安全运营平台、桌面小助手、统一身份认证系统、应用防火墙等系统进行联动，对研判确认的风险告警进行自动化应急响应，实现“告警确认—策略下发—威胁阻断—事件处置”的闭环管理。基于设备间的协同联动处置，针对研判确认的数据安全风险告警，可在秒级内完成自动化威胁处置，使整体风险处置耗时压缩80%以上，大幅提升了数据安全团队的风险研判和应急处置效率。
（本文刊登于《中国信息安全》杂志2025年第12期）
文章来源：中国信息安全
