上法律 AI 这件事,很多单位是从"选哪个大模型、买多少张卡"开始的,却把最该先做的一步跳了过去——数据分类分级。结果往往是:等保测评时被问"你的数据分级台账呢",答不上来;涉密文件、当事人身份信息不加区分地灌进向量库,被模型召回给了不该看的人;想上公有云省成本,又拿不准这批数据到底能不能出内网。数据分类分级不是一张交差用的表格,而是决定哪些数据能上云、哪些必须离线、怎么脱敏、检索时给谁看的合规起点。这篇写给要在律所或政法机关真正把 AI 落地、并且要过合规这一关的人:分类怎么分、级别怎么定、分级结果如何直接决定 AI 系统怎么建,以及落地分几步走。
一、为什么 AI 落地前必须先过分类分级这道底座
《数据安全法》确立了国家实行数据分类分级保护制度,核心逻辑很朴素:数据的重要程度不一样,该上的保护措施也不一样,不能一刀切。对要上 AI 的单位,这句话落到实处就是一个绕不开的前置问题——你不先给数据分级,就没法回答后面每一个技术决策:这批数据能不能上公有云?要不要脱敏?训练能不能用?检索时给谁看?
它同时是合规落地的硬门槛。等保测评、数据安全评估、政务数据的安全审查,都会查你有没有分类分级的台账和依据。更现实的风险在 AI 环节被放大:传统系统里数据"躺着"不动,风险还相对可控;而 AI 会把语料切碎、向量化、跨案由检索、再由模型重新组织成答案——一旦把涉密材料、敏感个人信息不分级就喂进去,它们会以你意想不到的方式被召回、被拼接、被泄露。先分级,才谈得上保护,这是私有化部署和合规落地共同的第一块地基。
二、分类 ≠ 分级:先看清家底,再定保护力度
实践中最常见的混淆,是把"分类"和"分级"当成一件事。它们是先后衔接的两步:
| 回答的问题 | 产出 | 目的 | |
|---|---|---|---|
| 分类 | "这是什么数据" | 按来源/主体/业务把数据归堆 | 看清家底、便于管理 |
| 分级 | "出事有多严重" | 给每类数据定核心/重要/一般级别 | 把保护资源用在刀刃上 |
顺序是先分类、再分级。要注意:同一类数据里也会有不同级别——同样是卷宗,普通民事纠纷卷宗和涉未成年人、涉商业秘密、涉国家秘密的卷宗,级别就不一样。所以分类是把数据摊开看清楚,分级是在每一堆里再挑出真正高风险的那部分重点看管。
三、法律数据的三个分类维度
法律数据不像业务数据那样天然带着字段,它更"文本化、卷宗化"。务实的做法是从三个维度交叉打标签:
| 维度 | 怎么分 | 为什么重要 |
|---|---|---|
| 按来源 | 公开数据(裁判文书、法规)/ 内部数据(本所卷宗、办案成果)/ 当事人提交材料 / 第三方采购数据 | 来源直接影响可用范围:公开数据可共享,内部与当事人数据受保密义务约束 |
| 按主体 | 个人信息(其中识别出敏感个人信息)/ 法人及组织信息 / 公共数据 / 不涉及特定主体的数据 | 决定要不要走个人信息保护的合规动作(脱敏、去标识化、告知同意) |
| 按业务 | 诉讼类 / 合同类 / 知识管理类 / 行政办公类;政法机关再叠加办案、监管、政务服务等条线 | 决定权限归谁、检索时按哪条业务线隔离 |
三个维度不是三选一,而是给同一份数据同时贴上三类标签。一份"某离婚案卷宗"可能同时是:内部来源、含敏感个人信息(涉未成年人)、诉讼类业务——这三个标签合起来,基本就框定了它的保护要求。
四、三级怎么定:核心 / 重要 / 一般
分级通常对应核心数据、重要数据、一般数据三级,个人信息里再单独把敏感个人信息识别出来重点保护。定级的抓手是"一旦泄露、篡改、损毁,危害有多大":
| 级别 | 法律场景里大致是什么 | 保护基调 |
|---|---|---|
| 核心数据 | 关系国家安全、涉国家秘密的司法数据,重大敏感案件数据等(政法机关才涉及,律所一般不持有) | 最严:严格离线、专网、专人、最小授权 |
| 重要数据 | 规模化的当事人个人信息、可能影响特定领域安全的聚合司法数据、涉商业秘密的卷宗等 | 本地化、加密、脱敏、严格权限;识别出"重要数据"是分级的重中之重 |
| 一般数据 | 已公开的裁判文书、法规、公开司法统计等 | 常规保护即可,可用于检索、训练、对外服务 |
定级的两个高频抓手:①先把敏感个人信息找全——身份证号、联系方式、生物识别、行踪、健康、金融账户,以及涉未成年人的一切信息,这些不管在哪一级里都要按最敏感处理;②再把重要数据识别准——单条不敏感、但聚合起来会形成规模效应或反映区域/领域态势的数据(如某地全部劳动争议的金额分布),很可能构成重要数据。分级最容易漏的,恰恰是这类"单看不起眼、汇总有分量"的聚合数据。
五、分级怎么直接决定 AI 系统怎么建
分类分级不是给合规部门存档的,它是 AI 系统的路由表——不同级别的数据走不同的技术管线。四条最关键的映射:
| 技术决策 | 分级怎么决定它 |
|---|---|
| 能不能上云 | 核心/重要数据、敏感卷宗几乎必然要求本地化私有部署、数据不出内网,不能走公有云或公有大模型;只有已公开的一般数据才谈得上用外部资源 |
| 要不要脱敏 | 含敏感个人信息的数据在进检索库/训练集之前就要按规则脱敏或去标识化,而不是"入库后再说" |
| 检索权限怎么隔离 | 高等级数据要在检索层按人、按团队、按业务线隔离,让不该被召回的材料根本进不了候选集,而不是靠提示词提醒模型"别说" |
| 能不能用于训练 | 高等级、强敏感数据一般禁止用于会对外的模型训练/微调;可用于训练的通常只有已脱敏或本就公开的数据 |
把这张表倒过来看就明白了:为什么律所和政法机关的 AI 几乎必然要私有化离线?因为它们手里最有价值的那批数据(卷宗、办案数据、敏感个人信息)几乎都落在重要数据这一级,而重要数据的保护基调就是本地化。这也是裁判文书私有库为什么要本地部署、律所知识库为什么要在检索层做权限隔离这些问题背后的同一个根:分级结果不同,技术路线就不同。相对地,公开裁判文书这类一般数据,可以放心地作为类案数据底座接进来做检索,不受这套高等级约束的拖累。
六、分类分级落地五步法
别指望一次做到完美。务实的路线是分五步,先把高风险的识别准、隔离好,其余在运行中迭代:
- 摸清数据家底。先搞清楚有哪些数据、存在哪、谁在用、怎么流动,形成一份数据资产清单。摸不清家底,分级就是空中楼阁。
- 定分类框架。结合本单位业务,把数据按来源/主体/业务三个维度分类,形成本单位的分类目录。
- 逐类定级。对照核心/重要/一般三级逐类打标,重点是把"重要数据"和"敏感个人信息"这两类高风险识别准,拿不准的从严。
- 把级别翻译成保护措施。为每一级明确对应的加密、脱敏、存储位置、访问权限、能否上云、能否用于训练——这一步是分级真正产生约束力的地方。
- 固化台账并动态复评。把上述结果沉淀成分类分级台账,并定期复评:数据在增、业务在变,分级不是一锤定音。
整体是一个持续治理的过程,而非一次性交付的项目。第一版框架通常一两个月能出,关键是别在追求完美中卡死——先让高风险数据得到该有的保护,系统就能安全地跑起来。
七、给信息中心与合规官的落地自查清单
- 有分类分级台账吗?能不能拿出一份说明"哪类数据是什么级别、依据是什么"的台账,而不是口头说"我们分过"?
- 敏感个人信息找全了吗?身份证号、联系方式、生物识别、涉未成年人等,是否在入库前已识别并脱敏?
- 重要数据识别准了吗?那些"单看不起眼、聚合有分量"的数据,有没有被漏成一般数据?
- 分级和上云决策挂钩了吗?核心/重要数据是否确保本地化离线、不出内网、不进公有大模型?
- 检索权限落在检索层了吗?高等级数据能否证明"不该看的人根本检索不到",而不是靠提示词兜底?
- 训练用数据合规吗?用于训练/微调的语料是否都是已脱敏或本就公开的数据?
- 台账会复评吗?有没有定期复评机制,还是定完就锁进抽屉?
- 公开数据用对了吗?作为类案底座的裁判文书是否确为公开、可回链、可持续更新的一般数据?
八、常见问题
Q:上法律 AI 之前,为什么必须先做数据分类分级?
A:因为分级决定后面所有保护动作与技术选型。《数据安全法》要求按数据重要程度采取相应保护措施,不先分级就无法回答"能不能上云、要不要脱敏、给谁看"。它也是等保测评、数据安全评估的硬前置;不分级就把语料灌进 AI,涉密或敏感数据极易被向量化后召回给不该看的人。先分级,才谈得上保护。
Q:分类和分级是一回事吗?
A:不是。分类回答"这是什么数据"(按来源/主体/业务归堆),分级回答"出事有多严重"(核心/重要/一般三级,并单独识别敏感个人信息)。先分类再分级,同一类里也可能有不同级别。分类看清家底,分级把保护资源用在刀刃上。
Q:分级结果怎么影响 AI 系统建设?
A:直接决定四件事——能不能上云(高等级须本地化离线)、要不要在入库前脱敏、检索权限如何在检索层隔离、能不能用于训练。分级台账就是 AI 系统的路由表:不同级别走不同技术管线。这也是律所与政法机关 AI 几乎必然私有化离线的根本原因。
要把分类分级落成一套能过测评、能跑 AI 的私有化方案?我们从数据底座到合规落地陪你走一遍
文书查提供 1.5 亿份真实、可回链裁判文书的公开类案数据底座(属一般数据,可放心接入检索),并支持等保、信创适配的私有化离线部署,配合本单位卷宗/合同等高等级数据在同一套架构下按分级隔离治理。把你的数据现状和场景发来,我们协助设计分类分级到技术措施的落地映射,1 个工作日内反馈。
📞 联系商务 Jack · 131 6872 7779相关阅读:司法机关数据中台:等保三级合规架构 · 律所知识库怎么建:三库一体 RAG 落地 · 1.5 亿裁判文书私有库架构 · 私有化如何满足客户保密义务 · 法律大模型怎么验收 · 私有化部署方案