跳到正文
原文
普华永道中国 · 微信· 普华永道·· 2026-09-22站内评分16

先盘清"家底"、再管控风险:利用Microsoft Purview管控企业数据安全风险

先盘清“家底”、再管控风险:利用Microsoft Purview管控企业数据安全风险

导读

普华永道中国针对出海企业数据安全治理提出六步闭环:先做数据资产发现与敏感内容识别,再通过分类分级为数据贴标,随后以加密、权限与数据防泄漏(DLP)执行保护,并通过审计与风险管理持续改进。结合Microsoft Purview能力,针对数据孤岛、合法授权下可疑行为、AI失控、风险难理解与合规统一五类痛点,给出DSPM、内部风险管理、AI可见性与合规管理器等实施路径。

正文

出海企业如何看见“看不见的敏感数据”?

数据只有在流动和使用中,才能真正创造价值。

但在今天的出海企业,数据每跨一次边界,就要同时面对不同监管框架提出的数据治理要求。例如,欧盟《通用数据保护条例》(GDPR)要求企业能够证明个人数据被合法、适当地处理;欧盟《数字运营弹性法案》(DORA)强调金融行业关键数据保护、数据泄露防范以及数字运营韧性;欧盟《网络和信息系统指令》NIS2要求重要行业建立更严格的数据访问控制、加密和事件响应能力;欧盟《人工智能法案》(EU AI Act)开始将生成式AI使用过程中的数据风险纳入监管范围;美国《防止相关国家获取美国人的大量敏感个人数据和与美国政府有关的数据》行政命令(EO14117)则进一步关注敏感个人数据跨境流动和向特定国家传输的安全风险。

然而,很多企业真正面临的挑战是不清楚自己的数据在哪里、由谁使用,以及哪些数据正在受到监管要求的约束。当客户数据分散在业务系统、研发资料保存在多个协作平台、历史文件沉淀在不同云环境中时,“看不见的数据”往往比已知风险更值得关注。对于出海企业而言,数据的流动还会跨越不同国家和地区、法律实体、业务团队与技术环境。当数据流动不断加速,而企业又无法全面掌握数据的位置、权限和使用情况时,合规风险、运营风险和数据泄露风险往往会同步增加。与此同时,生成式AI正在进一步放大这一挑战。过去,员工需要知道文件存放在哪里、叫什么名字,才能找到并使用相关内容;今天,借助AI工具,员工只需提出一个问题,就可能快速完成资料检索、内容归纳和信息总结。这也暴露一个问题:如果数据没有完成分类,权限管控存在不足,或者敏感内容长期处于过度共享状态,那么问题迟早会被放大并影响合规。

因此,AI时代的数据保护已经不只是信息安全问题,也不只是满足某项监管要求的问题。企业需要重新审视数据的发现、识别、分类、访问、共享、保护和审计机制,真正看见那些“看不见的敏感数据”。而数据分类分级,正是这一治理体系的起点。

出海企业需要的第一门语言:数据分级分类保护

近年来,全球数据保护和安全监管不断发展,但其核心目标并不完全不同。无论是隐私保护、数据安全还是AI治理,企业最终都需要回答几个共同问题:处理了哪些数据?数据有多敏感?谁可以访问?可以保存多久?是否能够共享?发生风险时如何发现、调查和响应?

对于出海企业而言,数据分类分级不应仅被视为满足某项监管要求的合规工作,更重要的是为集团建立一套跨地区、跨部门和跨系统的统一数据语言。同一份数据在不同团队眼中可能有不同名称,例如欧洲团队称其为“Confidential”,中国团队称其为“敏感数据”,研发团队则视其为“核心资料”。如果缺少统一映射,企业很难形成一致的保护要求和统一的数据治理视图。

因此,数据分类分级的价值并不在于标签名称本身,而在于标签背后所对应的访问权限、保护措施和责任机制。它既帮助企业理解“数据是什么”,也帮助企业明确“谁可以访问、如何保护、谁来负责”,并最终将监管要求、治理规则和技术控制连接起来。

为什么很多出海企业的分类分级项目最终停留在制度里

很多出海企业并不是没有数据分类分级制度。相反,一些企业已经建立了较为完整的分类目录、分级标准、管理办法、审批流程和岗位职责。例如,将数据划分为人力资源、客户、财务、经营、研发等类别,再设置公开、内部、机密和高度机密等不同级别。但项目完成一段时间后再回头看,数据依然没有得到持续、有效的分类和保护。

但当数据要同时满足多国制度体系时,分类体系的复杂度会被放大。问题往往不是制度不完整,而是制度与实际数据之间存在距离。原因如下:

01

分类体系过于复杂

有些分类分级体系设计得非常精细,但忽略了最终使用者是普通员工。如果员工需要阅读几十页制度,才能判断一份欧盟客户的报价属于“内部敏感”“业务机密”还是“限制级信息”,这套制度就很难融入日常工作。一个有效的分类体系首先要让人看得懂。对于分类的标签,每个级别的边界要清晰,并对应明确的访问、共享和保护要求。

02

分类没有触发保护动作

另一种常见情况是,文件虽然贴上了“高度机密”标签,却仍然可以被任意转发、复制、下载或上传到个人网盘。在这种情况下,分类只是一个名称,没有真正改变数据的风险状态。成熟的分类分级机制应当形成一条清晰的关系链:数据内容决定分类等级,分类等级决定保护要求,保护要求转化为技术策略,实际事件再推动规则持续调整。

从制度到执行,企业需要建立六步数据保护闭环

要让分类分级真正发挥作用,企业需要把制度转化为可以持续运行的流程。结合我们在数据安全和隐私保护工作中的观察,可以将这一过程概括为六个步骤:

先发现数据,再识别敏感内容;根据识别结果实施分类和标签;通过加密、权限与数据防泄漏(Data Loss Prevention,DLP)工具执行保护;最后借助审计、调查和风险管理形成持续改进。

这条链路可以帮助企业把抽象的监管要求转化为日常办公环境中可执行的技术策略。

01

第一步:先看见数据和风险

企业不能保护自己看不见的数据。

在企业实操中,敏感数据可能分散在员工电脑、邮件、企业通讯软件,企业云盘等,甚至本地机房文件服务器中。随着AI应用增加,新的数据使用入口也在不断出现。因此,数据治理不应一开始就急于创建标签,而应先开展数据资产发现。

企业需要了解:哪些位置集中保存着个人信息、客户资料、合同、财务数据和研发文件;哪些文档尚未分类;哪些企业管理软件的站点存在过度共享;哪些敏感内容可能被外部人员访问;哪些数据正在进入生成式AI应用等。数据可见性越清晰,后续的分类和保护就越准确。

02

第二步:把监管概念变成可执行的识别规则

监管通常要求企业使用“个人信息”“敏感个人信息”“重要数据”等概念给数据进行标记和分类,而技术平台必须将这些概念转化为可以检测的数据特征和业务规则。

企业需要具备分类敏感信息类型、制定企业自定义规则等能力,可以识别具有固定格式、特定内容或业务语义的信息,将敏感度识别标签以承载集团级分类基线,使全球不同地区的员工可以在日常使用的办公软件中看到相对一致的敏感度标识。这样在企业自身具备DLP工具的情况下,在进行内容检测时,也不是简单搜索关键词,而是可以结合正则表达式、校验逻辑、关联信息和机器学习等方法进行判断。

例如,金融机构可能需要识别客户身份信息、银行账户、交易记录和信用资料;制造企业可能重点关注研发图纸、物料(BOM)清单、工艺文件和供应链数据;专业服务机构则需要识别客户合同、项目底稿、财务资料和受保密义务约束的内容。

03

第三步:用敏感度标签承载分类分级结果

完成数据识别后,企业需要为不同数据赋予清晰的分类身份。

企业可以通过敏感度标签,对文件、邮件及其他受支持内容进行分类与保护。标签可以由员工手动选择,也可以根据内容进行推荐或自动应用。

例如,企业可以建立以下标签体系:

这里最重要的不是标签叫什么,而是每个标签都要对应明确的使用规则和保护措施。

一份被标记为“高度机密”的文件,可以被设置为只允许特定部门或项目成员访问,禁止向外部人员转发,并限制复制、打印或下载。标签还可以关联加密、水印、页眉页脚等保护设置,使保护能力跟随文件本身,而不是只依赖文件最初存放的位置。这是一项很重要的治理设计。

企业的数据保护不能完全隐藏在后台。员工需要在处理数据的当下理解数据的敏感程度,并知道自己的操作可能产生什么风险。因此,标签既是技术控制,也是员工数据保护意识的载体。

04

第四步:让保护措施跟随数据流动

传统安全控制通常围绕存储位置建立。例如,文件存放在某个受控服务器中,就被认为得到了保护。但现代企业的数据会在邮件、云盘、数据库、终端、浏览器和AI应用之间不断流动。如果文件一旦离开原始位置,保护措施就立即失效,那么企业仍然无法形成有效的数据安全闭环。这意味着,企业的数据保护逻辑需要从“保护一个位置”转变为“保护数据本身”。

所以,保护策略应当与分类级别和实际风险相匹配:

05

第五步:监测敏感数据的高风险流动

分类和标签解决的是“这是什么数据”,DLP解决的是“这些数据正在被如何使用”。

例如,当员工通过邮件向外部发送包含大量客户个人信息的文件时,DLP系统可以向员工显示策略提示,要求填写业务理由,通知管理人员,或者在高风险情况下阻止发送。当员工试图将“高度机密”文件复制到非授权设备或上传到不受管理的应用时,企业也可以根据风险等级采取提示、审计、告警或限制措施。

DLP的价值不是简单地阻断员工,而是在数据流动的重要节点提供干预。

06

第六步:把数据保护延伸到AI

对于已经部署或准备部署AI工具的企业,需要在AI侧也进行相应的数据保护技术限制。AI工具需要遵循用户既有的访问权限,同时受到敏感度标签和加密设置约束。对于受保护内容,用户还需要具备相应使用权限,AI工具才能与内容进行交互。在受支持的情况下,新生成内容还需要继承相关敏感度标签。

企业可以从三个层面保护AI场景:

AI数据保护并不是新建一套完全独立的安全体系,而是把企业现有的数据分类、信息保护、DLP、审计和风险管理能力延伸到AI使用过程。

Microsoft Purview实践:出海企业数据保护五大痛点与应对路径

当治理规则进入实际业务环境后,企业面临的问题往往不再停留在制度层面,而是如何在复杂的数据环境中持续发现风险、理解风险并实施控制。在Microsoft数据保护产品Purview中,信息保护(Information Protection)以及数据防泄露(Data Loss Prevention)构成了数据保护的基础能力。企业通过分类分级定义数据的重要程度,再利用标签、权限控制、加密和DLP策略,将这些治理规则落实到数据的创建、访问、共享以及AI使用过程中。而在此基础上,数据安全态势管理(Data Security Posture Management, DSPM)、内部风险管理(Insider Risk Management)、AI可见性(AI Observability)和合规管理器(Compliance Manager)等能力则进一步帮助企业发现风险、调查风险并持续优化治理效果。

Microsoft Purview功能列表

在企业实践中,以下五类痛点最为常见:

01

数据孤岛

着业务扩展,企业面临的挑战已经不再是如何保护某一个系统,而是在分散的数据环境中持续掌握数据全貌。对于已经广泛采用Microsoft 365及其相关云服务,亦或是在跨云、多云环境中运营的出海企业而言,客户数据可能位于SaaS应用,研发数据位于本地环境,协作数据位于Microsoft 365,部分历史数据仍保留在数据仓库,企业缺乏统一的风险视图。

Microsoft Purview的数据安全态势管理(Data Security Posture Management, DSPM)能力能够帮助企业建立统一的数据风险视图,理解敏感数据分布情况、共享状态及潜在的数据暴露面,使企业从“看不见数据”逐步走向“看得见风险”。

02

合法授权但行为可疑

授权员工的高风险行为难以被及时察觉。对于半导体、医药、高科技研发等行业而言,这一问题尤为突出:大量敏感数据并不会因为一次访问行为而泄露,但如员工离职前持续下载研发资料、将技术文档复制到个人设备、频繁访问与自身职责无关的项目等行为,单独看似乎都是“合法操作”,但当多个行为组合在一起时,往往已经构成企业最担心的数据泄露隐患。

Microsoft Purview的内部风险管理(Insider Risk Management)能够帮助企业识别大量数据复制、敏感数据导出等可疑行为,而风险自适应保护(Adaptive Protection)则能够根据用户风险等级动态调整控制措施,使数据保护从静态规则逐步扩展到动态风险管理。

03

AI失控

与此同时,越来越多的生成式AI应用和智能体正在进入企业环境,员工可能会使用AI应用,粘贴企业核心数据、上传机密文件生成摘要、处理客户信息等。企业需要技术手段能识别并阻断敏感数据通过AI应用的泄漏。甚至,有的员工会使用企业未经授权的AI应用(Shadow AI),上传企业敏感数据。

Microsoft Purview的DSPM for AI和AI客观测性(AI Observability)能力能够帮助企业发现员工正在使用哪些AI 应用和智能体、识别Prompt中是否包含敏感数据,以及了解哪些敏感内容正在被AI访问和处理,从而帮助企业降低AI 带来的数据暴露风险。

DSPM for AI管理面板

AI活动及智能体监控

04

风险看不懂

随着企业数据规模和AI应用数量持续增长,风险管理的重点正在从“能否发现风险”扩展到“能否快速理解风险”。传统模式下,安全团队往往需要从多个系统中检索日志,手工关联事件,再判断风险的真实影响,整个过程耗时且依赖专家经验。

结合Microsoft Security Copilot,企业可以通过自然语言方式分析数据安全态势。例如直接询问:哪些敏感数据正在被AI访问?哪些部门存在较高的过度共享风险?哪些高风险行为应被优先关注?

这种方式能够帮助安全、合规和管理团队更快理解数据风险及其业务影响,从而加速调查与决策过程。

Security Copilot Agent

05

合规难统一

除了数据安全和数据保护能力之外,出海企业还需要面对来自不同国家和地区的数据治理要求。很多企业的挑战往往不在于不知道GDPR、DORA、NIS2等法规,而在于如何将这些不同的监管要求转化为一套统一、可持续执行的内部控制体系。

Microsoft Purview中的合规管理器(Compliance Manager)可以帮助企业将不同监管框架映射到统一控制体系之中,通过预置的合规模板、控制项管理以及改进建议,对企业现有控制措施进行评估,并持续跟踪整改和成熟度提升情况;电子证据发现(eDiscovery)和审计(Audit)则能保留关键证据,还原数据流转路径、关联邮件、文件、协作记录和用户活动,在监管审查、内部调查和事件响应过程中形成相对完整的证据链。

Compliance Manager管理面板

需要说明的是,上述五类能力并非五个孤立的产品功能,而是覆盖从发现、保护、监控、响应到证明的完整链路。企业可以结合自身的风险优先级和治理成熟度,分阶段推进。

然而,工具不会自动解决治理问题。如果企业没有明确分类标准,没有确定业务责任人,也没有建立策略运营机制,直接启用大量技术功能,往往会导致标签设计复杂、敏感信息识别误报、DLP影响业务,最终使策略被暂停或弱化。技术平台能够帮助企业规模化执行治理规则,但不能替代企业对数据价值、业务场景和风险边界作出判断。

因此,我们在与Microsoft开展深度合作时,更关注如何帮助企业完成三个转化:

对出海企业而言,数据保护需要同时连接全球合规要求、业务规则和技术控制,才能支撑跨区域的数据流动与使用。下图展示了企业数据保护治理闭环,以及Microsoft Purview如何为各治理环节提供技术支撑。

结合我们与Microsoft的合作实践,企业可以采用四个阶段推进,帮助企业全球数据保护治理落地:

Microsoft的平台能力与我们的咨询、规划和实施能力相结合,可以帮助企业避免两个极端:一方面避免只有制度而没有技术执行,另一方面避免只有工具部署而缺少治理目标。企业最终得到的,不应只是一套已经启用的Microsoft Purview功能,而应是一套能够被理解、被执行、被衡量和持续优化的数据保护体系。

我们与Microsoft合作的价值,是连接监管、业务和技术

长期以来,普华永道与Microsoft拥有深入的合作基础,团队中众多成员取得Microsoft相关专业认证,其中包括多位持有Microsoft 365 Security、Azure Security等安全认证的本地专家,具备完整的咨询与实施交付能力。双方将普华永道在行业、监管、网络安全与隐私保护方面的专业能力,与Microsoft在云计算、数据安全和AI领域的技术优势相结合,帮助企业将数据保护要求转化为可落地的治理机制和技术控制。

看见数据,才能管理风险

对于今天的出海企业而言,数据保护早已不再只是网络安全或合规部门的工作。当业务、组织、供应链和AI应用不断扩展时,企业面对的挑战也不再局限于满足某项法规要求,而是在全球运营过程中,持续建立对数据的管理能力、控制能力和证明能力。

对于正在拓展海外市场的企业而言,这种能力不仅关系到合规要求的满足,更关系到客户信任、业务拓展和长期经营能力。当企业能够持续看见敏感数据、理解数据风险,并将监管要求转化为可执行、可验证和可持续优化的管理机制时,数据保护便不再只是被动应对监管的成本,而会成为支撑企业全球化发展的基础能力。

同样地,当监管要求能够落实到业务流程,管理责任能够对应到具体角色,技术控制能够覆盖真实的数据使用场景,数据保护就不再只是为了应对检查或满足合规要求,而会成为企业提升运营韧性、建立客户信任和支持长期发展的基础能力。

联系我们

黄启佳

普华永道中国咨询业务主管合伙人

电话:+86 (21) 2323 8896

邮箱:horatio.kk.wong@cn.pwc.com

中部

张俊贤

普华永道中国中部网络安全和隐私服务主管合伙人

电话:+86 (21) 2323 3927

邮箱:chun.yin.cheung@cn.pwc.com

黄思维

普华永道中国网络安全和隐私服务合伙人

电话:+86 (21) 2323 2605

邮箱:miles.huang@cn.pwc.com

潘晓鸥

普华永道中国网络安全和隐私服务合伙人

电话:+86 (21) 2323 2693

邮箱:sean.pan@cn.pwc.com

北部

李睿

普华永道中国内地网络安全和隐私服务主管合伙人

电话:+86 (10) 6533 2312

邮箱:lisa.ra.li@cn.pwc.com

南部

吴冠豪

罗兵咸永道网络安全、数据及科技风险咨询主管合伙人

电话:+852 2289 2967

邮箱:gary.kh.ng@hk.pwc.com

翁泽鸿

普华永道中国网络安全和隐私服务合伙人

电话:+86 (20) 3819 2629

邮箱:danny.weng@cn.pwc.com

谢浩程

罗兵咸永道网络安全和隐私服务主管合伙人

电话:+852 2289 2086

邮箱:jenius.h.shieh@hk.pwc.com

© 2026 普华永道版权所有。普华永道系指普华永道在中国的成员机构、普华永道网络和/或其一家或多家成员机构。每家成员机构均为独立的法律实体。详情请见 www.pwc.com/structure。

免责声明:本微信文章中的信息仅供一般参考之用,不可视为详尽说明,亦不构成普华永道的法律、税务或其他专业建议或服务。普华永道各成员机构不对任何主体因使用本文内容而导致的任何损失承担责任。

您可以全文转载,但不得修改,且须附注以上全部声明。如转载本文时修改任何内容,您须在发布前取得普华永道中国的书面同意。

来源:普华永道中国 · 微信 · mp.weixin.qq.com

审计热点 是聚合摘要和阅读索引,原文版权归各来源所有,引用请以官方原文为准。如果你是来源方,希望更正、下架或调整展示方式,可以通过反馈页联系我们。

来自微信公众号的内容,本站仅呈现摘要与原文链接,不转载文章全文;文章权利归属原作者及原公众号

关于使用条款隐私信源