2. 法律法规与合规要求

说实话，做敏感数据识别这件事，技术方案再漂亮，最后都得过法律这一关。我这些年参与过不少合规项目，最深的感受是：法律法规不是束缚，而是你的保护伞。你想想看，没有这些规则，谁敢把数据交给你处理？今天我们就聊聊四部对敏感数据识别影响最大的法规——GDPR、CCPA、中国网络安全法，以及数据保护条例。

2.1 GDPR：全球最严的“数据宪章”

GDPR 全称《通用数据保护条例》，2018 年生效。别以为它只管欧洲，只要你的系统涉及欧盟居民的个人数据，就得遵守。我个人习惯把 GDPR 对敏感数据的要求归纳成三点：

• 定义范围极广：种族、政治观点、宗教信仰、基因数据、生物特征、健康、性生活、性取向……只要沾边，都算特殊类别数据。
• 处理必须有合法基础：要么用户明确同意，要么法律要求，否则不能碰。
• 数据保护影响评估（DPIA）：处理敏感数据前必须做 DPIA，识别风险并制定缓解措施。

2.1.1 对机器学习的影响

你训练模型时用到的敏感数据，必须满足：

1. 数据最小化——只收集必要的。
2. 目的限制——不能拿来训练无关的模型。
3. 存储限制——用完就删，或者匿名化。
4. 自动化决策的解释权——用户有权拒绝只靠算法做的决定。

2.2 CCPA：加州的隐私保卫战

CCPA 全称《加州消费者隐私法案》，2020 年生效。它和 GDPR 最大的区别在于：更强调消费者的控制权。说白了，用户有权知道你要用他的什么数据，有权拒绝销售，有权要求删除。

维度	GDPR	CCPA
适用范围	任何处理欧盟居民数据的主体	在加州做生意的营利性实体，且满足收入/数据量门槛
敏感数据定义	详细列出 10 类特殊类别	包括社保号、驾照、金融账户、精确地理位置、生物特征等
同意机制	默认禁止，需明示同意	允许 opt-out（选择退出数据销售）
机器学习场景	需要 DPIA + 解释权	用户有权要求删除训练数据（即使模型已部署）

一个容易被忽视的点：CCPA 下，敏感数据的“销售”定义很宽。你想想看，如果你把脱敏后的用户特征传给第三方做模型训练，算不算销售？加州总检察长办公室的观点是：只要对方从中获得了价值（比如更好的模型），就算。所以，我建议你在做联合建模或数据共享之前，先跟律师确认一下。

2.3 网络安全法：中国的“安全底座”

2017 年施行的《网络安全法》，是中国数据合规的基石。它没有像 GDPR 那样专门规定敏感数据的处理流程，而是从数据安全保护义务的角度切入。

• 等级保护：处理敏感数据的系统必须达到等保三级或以上。
• 数据分类分级：网络运营者应当对数据分类分级，实施差异化管理。
• 跨境传输限制：关键信息基础设施运营者（CIIO）收集的个人信息和重要数据，原则上应存储在境内。

2.4 数据保护条例：中国最新“三驾马车”

这里指的是 2021 年生效的《数据安全法》和《个人信息保护法》，再加上《网络安全法》，构成了中国的数据保护铁三角。个人习惯把它叫做“数据保护条例组合包”。

2.4.1 敏感数据的“精确定义”

《个人信息保护法》第 28 条给出了清晰界定：一旦泄露或者非法使用，可能导致个人的人格尊严、人身、财产安全受到危害的个人信息，就是敏感个人信息。包括：

• 生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹
• 不满十四周岁未成年人的个人信息（自动归为敏感）

2.4.2 处理规则

1. 必须具有特定的目的和充分的必要性。
2. 必须取得个人单独同意（不能笼统勾选）。
3. 必须进行个人信息保护影响评估（PIA）。
4. 告知处理方式、范围、存储期限、可能影响等。

2.5 四部法规的协调关系图

下面这张图概括了四部法规对敏感数据识别与处理的强制要求，以及它们之间的交叉关系。我个人喜欢用这种图来跟产品经理和法务对齐口径。

2.6 机器学习项目合规检查清单

基于以上法规，我整理了一份实用清单。你每次启动敏感数据相关模型时，可以逐条核对：

1. 数据定义检查：我们采集的数据是否包含法规定义的敏感类别？
2. 目的限制检查：训练模型的目的与采集时告知用户的是否一致？
3. 合法性基础检查：是否有用户同意、合同必要、法律义务等依据？
4. 影响评估完成：DPIA（GDPR）/ PIA（个保法）是否已执行？
5. 最小化与存储：只用了必要字段吗？存储期限设置了吗？
6. 用户权利支持：用户能否请求删除自己的训练数据？
7. 跨境合规：数据是否出境？有评估或标准条款吗？
8. 自动化决策说明：如果模型结果直接影响用户，你提供解释和申诉渠道了吗？