洞察
34 篇原创研究。法规解读逐条对照原文，技术路线给出可验证的判断依据， 产品能力区分「已验证」与「在研」。
监管解读
金融、汽车等行业数据安全法规与标准的逐条拆解
-
《金融信息服务数据分类分级指南》解读：适用对象、四级分级与三处难点 官网首发
2026 年 6 月 8 日，国家网信办等六部门正式印发《金融信息服务数据分类分级指南》。它是一份网信办口径的要求，适用对象、上位标准与判定逻辑都与既有的人行、金监、证监体系不同。本文先界定其覆盖范围，再从分类分级本身出……
-
金发〔2026〕8 号解读：个人信息不得入模训练，语料入库门禁怎么建
副标题：模型效果可以慢慢调，一条身份证号进了训练集，就再也撤不回来……
-
JR/T 0358—2026 解读：金融数据安全能力体系的四域十九子域与五级标尺
从合规清单到能力标尺：读懂 JR/T 0358—2026《金融数据安全 数据安全能力体系》……
-
汽车数据出境安全指引（2026版）解读：五大场景、九类规则、60 个受控数据项
解读《汽车数据出境安全指引（2026版）》，以及一套可落地的识别实现方法……
-
2026 金融数据安全罚单分析：7000 万罚款背后的监管检查清单
把 2026 年的金融数据安全罚单放回数据生命周期，读出监管的底层蓝图……
AiDClass 观察
数据分类分级的技术路线、行业实践与市场观察
-
分类分级准确率 95% 是怎么算出来的：七种测试操纵手法 官网首发
上一期我们拆穿了三类伪 AI 工具——字典翻译派、规则伪装派、小模型贴牌派。读者反馈最集中的一个问题是：……
-
数据分类分级不只是金融的题：数据安全法第 21 条与十个行业合规地图 官网首发
上一期我们用一整篇文章讲清了金融业的分类分级体系——三大痛点、三层需求、四组件方法论。读完之后一个自然的问题是：……
-
数据离开数据库之后怎么管：人行令 3 号与分类分级作为统一识别层 官网首发
过去六期我们讨论了分类分级的范式、方法、行业差异、工程基础。但有一个根本问题一直没有正面回答——……
-
分类分级怎么跟上监管变化：规则、模型、知识库三种工程范式对比 官网首发
前五期我们从不同侧面讨论了分类分级——从范式演进到伪 AI 拆解,从准确率潜规则到金融体系,从跨行业地图到医疗深耕。读完这五期,一位有经验的从业者会问出一个非常有质量的问题:……
-
如何分辨真假 AI 数据分类分级：三类伪 AI 工具与七项 PoC 测试 官网首发
AiDClass 观察 · 第 01 期｜企业采购时最该警惕的三类工具……
-
金融数据分类分级完整指南：三大痛点、六份监管文件、四组件方法论 官网首发
前两期我们谈了行业层面的两个普遍现象——伪 AI 工具的盛行，以及准确率指标的水分。这两期都是「行业批判」视角的内容，更多是为采购方提供识别工具的方法……
-
数据进 AI 之前的四道关卡：训练、知识库、Prompt、工具调用 官网首发
过去两年,几乎每一家企业都在以前所未有的速度把 AI 引入业务——内部知识库智能问答、研发效率工具、销售辅助系统、客户服务智能体、运营数据分析助手。AI 在企业内的普及速度,超过了过去任何一次技术浪潮……
-
Cyera Omni DLP 拆解：分类分级如何变成会自我进化的 DLP 策略 官网首发
从「知」到「行」，分类分级如何变成动态生成、自我进化的 DLP 策略……
-
医疗数据分类分级：临床、科研、运营三重维度与已在发生的数据交易 官网首发
上一期我们用「合规地图」展开了中国十大行业的分类分级框架,医疗业是其中复杂度仅次于金融的行业。但医疗业在分类分级这件事上有一个独特之处——……
-
让全网安全设备用同一套识别标准：分类分级的工程化落地 官网首发
上一期我们论述了一个核心愿景——分类分级应该成为数据安全的统一识别层,让数据走到哪、识别就跟到哪、保护就跟到哪……
-
数据分类分级的三代范式：规则引擎、训练式模型、业务推理引擎
2024 年金规 24 号文落地，2025 年 93 号文启动专项行动，2026 年成为金融数据安全名副其实的「执法年」。在这个时间节点上，全国 4600 余家金融机构面临同一道必答题：如何把分类分级从一份制度文档，变成……
行业观察
AI 时代数据安全的范式变化
-
电力数据分类分级落地实录：356 个类目、3.1 万字段与一次全量实测 官网首发
《能源行业数据分类分级指南（2026年版）》只规定了一、二级分类维度，三、四级要企业自己建。本文记录一个省级电网企业标准从条文到可执行类目的完整过程、三条原创判据，以及一次 520 篇全量跑批的真实结果与局限。
-
AI 数据安全：哪些能买到，哪些必须自建 官网首发
上一篇提出了“先给数据建立语义标签，再逐层建设授权、控制与审计”的架构，收到不少关于落地的追问。这一篇基于公开资料梳理国际产品的现状，并借这些事实反过来检验上一篇的判断：哪些成立，哪些只部分成立，哪些还缺证据……
-
AI 数据安全落地现状：五家国际厂商各盖了哪一段
上一篇的施工图发出后，被问得最多的是同一件事：说得好听，怎么落地？……
-
AI 时代的数据安全怎么建：打桩、浇筑、起结构、验收四道工序
上篇说，两代安全的分水岭在最底层的隐含假设里。这一篇回答剩下的那个问题：面向未来的安全，到底怎么建？答案是一张施工图——四道工序，一道压一道。而第一道工序，恰恰是最容易被跳过的那道……
-
Agent 时代正在失效的十二个安全假设
边界防护、入侵防御、DLP、加密——这些防线防的都是“偷”，它们今天依然管用，但它们面向的是已经被理解的过去。AI 正在制造一类被“问”出来的新风险。两代安全的分水岭，不在工具清单上，而在最底层的隐含假设里……
-
AI 会取代网络安全行业吗：市场数据、责任边界与真正在变的部分
副标题：AI 会比「上云」以来任何力量更深地重塑安全行业，但「重塑」不是「摧毁」，「品类被颠覆」更不等于「行业出局」……
-
企业为什么不敢放开用大模型：数据安全治理恐惧与四条破解路线
大模型卖得动，先得让决策层放心。围绕这道闸门，OpenAI 在开放、Google 在圈地、中国选了第三条路——这是一场看不见的生态战……
-
AI Agent 安全的六层防御栈：从模型到治理，你缺的是哪一层
副标题：护栏、网关、红队、guardrail……名词越堆越多，但 AI Agent 的防线其实是一条六层栈。看懂它，你才知道自己缺的是哪一层……
-
AI 写了近一半代码之后：企业还认得清自己的数据吗
GitHub Octoverse报告显示，全球约46% 的新增代码已由AI 生成；IDC 对中国市场的评估是，头部企业的AI 代码采纳率普遍超过40%；用过AI 编程工具的开发者里，七成以上已经是每天高频使用。换句话说……
FDE 实战手记
从售前到 FDE 的转型路径与交付方法
-
把 AI 当员工管：不写代码的人如何对 AI 交付的结果负责
AI 可以补上工程实现能力，但不能替你定义问题、划定边界和验收结果……
-
售前、售后、产品、研发：六个岗位到 FDE 的转型路径对照
上一篇结尾我留了预告，这一篇要回答「售前离领域型 FDE 有多近」。动笔之前我改了主意——只写售前，这个问题就写窄了……
-
什么是领域型 FDE：定义、边界，以及与通用型 FDE 的区别
领域型 FDE：深耕专业方向的人，才是职业归宿……
-
从卖盒子到卖结果：IT 交付模式的四次变迁与 FDE 的由来
先交代一下背景。前段时间我连发了三篇文章,讲的是同一件事:Agent 正在改变安全的隐含假设——过去整个安全体系默认「操作者是人」,而当 Agent 成为系统里的操作主体,速度、路径、权限的假设全变了,安全工作的模型和基……
-
FDE 是什么：OpenAI、Anthropic、Palantir 都在抢的岗位
起因很简单:做技术这行二十来年,我很少见到一个岗位,能让几家平时在模型上互相较劲的公司,在同一年里做出几乎相同的动作——建组织、给编制、砸真金白银……
海外观察
国际数据安全厂商的产品路线与并购动向
技术实践
本地模型部署与工程调优实测
-
AI 读规则，代码算价格：不能出错的业务系统里，模型和代码的分工线画在哪 官网首发
印刷报价算错一个数字要真金白银赔。这个系统让模型读懂自然语言报价表、理解自由文本备注、对缺项提候选，但最终价格必须由规则引擎产出并附带计算路径。本文记录那条分工线，以及 12 条兜底校验、一张术语表和一个「匹配不上就不猜」的设计。
-
企业 RAG 的准确率是在入库前挣出来的：12 个杠杆、六条铁律与一次 4000 个垃圾切片的事故 官网首发
同一批源文件，第一次处理出 6961 个切片、词表 47 万，答案似是而非；修正解析方式后变成 2884 个真实切片、词表 10 万，内容零丢失。本文复盘一个已上线企业知识库的完整过程，以及按性价比排序的 12 个准确率杠杆。
-
RTX 4080 16GB 本地跑 Qwen3.8-27B：从 12.5 到 75 tok/s
副标题：从 12.5 tok/s 到 75 tok/s，看一张小显卡怎样跑动 27B 大模型……
