Page 23 - 基于人工智能的图像识别技术研究

第一章 人工智能概述

（3）分类分级的技术工具较为缺乏

目前开展对数据进行自动化分类分级的技术工具尚较为缺乏，已有的技术工
具主要集中在对结构化数据的分析上，对于大量非结构化数据缺乏有效的自动化
分类分级方法。
（4）分类分级与正常业务开展之间存在一定冲突

同一数据处理者内部不同业务之间对同一数据的分类分级可能会持不同的观
点，因为过严的数据分级将降低业务效率，这种冲突可能导致数据分类分级效率
低下，使得数据处理者不愿开展、不想开展、不敢开展分类分级工作。

（5）分类分级的收益影响
往往受成本收益影响数据分类分级工作会消耗大量人力财力，甚至导致业务
的临时中断。在满足国家监管需要的前提下，当从数据挖掘利用的经济收益角度
出发，发现分类分级成本大于收益时，将大幅降低数据处理者深度分类分级的主

动性。
（6）分类分级的结论具有暂时性
对于某一分类分级结果而言，随着偶发因素的出现以及数据分析能力等的变

化，都可导致数据分类分级的结果发生变化，增加了数据分类分级的不确定性，
使得分类分级的结论具有暂时性，需要定期进行调整。
2.完善数据分类分级制度的对策

（1）提高数据质量，建立良好的数据分类分级基础
不同行业、不同领域、不同数据处理者的数据质量不同，分类分级的条件不
一，难度不同。建议在数据收集、存储环节就提高数据质量，建立先行的数据全

生命周期管理制度，筑牢数据分类分级基石，提升数据分类分级效率。
（2）确立基础性原则，为行业数据分类分级提供指引
目前，各行各业对数据分类分级的研究尚不够成熟，按照新兴领域立法宜粗
不宜细的精神，先确定数据分类分级的原则，对于具体分类标准留待实践中逐

步探索，有助于在立法的原则性和具体规范的灵活性之间建立有效平衡。这些
原则在已经制定的金融行业标准JR/T0197—2020《金融数据安全分级指南》、
JR/T0158—2018《证券期货业数据分类分级指引》等标准中均有体现，包括合法

合规原则、自主性原则、客观性原则、可执行原则。
具体为：合法合规原则，指保证不同层级的立法之间有关数据分类分级的规

15