4. 敏感数据识别与分类分级
自动驾驶数据脱敏与访问控制的第一步，不是加密，也不是权限配置，而是识别哪些数据属于敏感数据，并给出合理的分类分级结果。如果连“什么该保护、保护到什么程度”都没有定义清楚，后续的脱敏策略、访问审批、审计告警都会失去依据。本章围绕敏感数据判定标准、分类分级方法，以及自动驾驶场景下最典型的三类敏感字段——人脸、车牌、位置轨迹，建立一套可落地的识别与分级框架。
一、核心原理：敏感数据判定的三条主线
敏感数据判定不能只靠“感觉”，而应围绕三条主线建立可解释的标准：可识别性、可关联性、可推断性。
- 可识别性：数据本身或与其他数据结合后，能否直接或间接识别到具体自然人、车辆或设备。例如人脸图像、车牌号码、设备序列号。
- 可关联性：单条数据虽不直接标识身份，但能否与外部数据源关联后还原身份。例如精确经纬度轨迹与居住地、工作地关联后，可推断个人生活规律。
- 可推断性：数据是否可用于推断敏感属性，如健康状况、政治倾向、宗教信仰、行踪规律等。自动驾驶车内摄像头、麦克风、座椅压力传感器都可能产生此类数据。
在工程实践中，判定标准还需要结合数据主体、数据来源、使用场景、泄露后果四个维度。同一段轨迹数据，用于车辆标定和用于用户画像，其敏感等级可能完全不同。因此，敏感数据识别不是一次性静态标签，而是与业务用途绑定的动态判定过程。
二、分类分级方法：从数据域到敏感级
推荐采用“数据域分类 + 敏感级分级 + 标签化描述”的三层方法。数据域解决“是什么”，敏感级解决“多重要”，标签解决“怎么用”。
- 数据域分类：按业务对象划分，如车辆域、环境域、人员域、位置域、行为域、系统域。
- 敏感级分级：通常分为 L1 公开、L2 内部、L3 敏感、L4 高敏感、L5 极敏感。级别越高，脱敏强度、访问审批、留存期限要求越严格。
- 标签化描述：为每个字段打上“是否直接标识”“是否可组合标识”“是否含生物特征”“是否含精确位置”等标签，便于策略引擎自动匹配。
分级时建议采用矩阵法：横轴为数据敏感类型，纵轴为泄露影响程度，交叉后得到初始等级，再根据数据量、可组合性、留存时间进行上调或下调。例如，单帧人脸图像为 L4，若同时包含车牌与精确位置，则应上调至 L5。
| 敏感级 | 典型数据 | 脱敏要求 | 访问控制 |
|---|---|---|---|
| L1 公开 | 天气、道路类型、公开地图 | 无需脱敏 | 可公开访问 |
| L2 内部 | 车辆型号、传感器配置 | 去除非必要标识 | 内部员工可读 |
| L3 敏感 | 模糊化轨迹、脱敏车牌 | 泛化、截断、加噪 | 按项目授权 |
| L4 高敏感 | 人脸、原始车牌、精确轨迹 | 不可逆脱敏或加密 | 审批 + 双人复核 |
| L5 极敏感 | 人脸+车牌+轨迹组合数据 | 禁止出域，仅允许模型内使用 | 最小权限 + 全程审计 |
三、自动驾驶场景下的敏感字段识别
自动驾驶数据具有多模态、高频率、强时空关联的特点。以下三类字段是识别与分级的重点。
1. 人脸数据。来源包括车内 DMS 摄像头、车外环视摄像头、行车记录仪。人脸属于生物识别信息，具有唯一性和不可更改性，一旦泄露无法“重置”。识别要点：检测图像中是否包含可识别的人脸区域、人脸特征向量、人脸属性（性别、年龄、情绪）。分级建议：原始人脸图像 L4，人脸特征向量 L4，仅含人脸框坐标且无像素信息可降为 L3。
2. 车牌数据。车牌是车辆身份的强标识，可关联车主、行驶证、保险、违章记录。识别要点：车牌号码、车牌颜色、车牌位置、车辆品牌型号组合。分级建议：原始车牌图像 L4，车牌号码文本 L4，脱敏后仅保留车牌颜色或车型 L2。需要注意，车牌与人脸同时出现时，组合风险显著上升。
3. 位置轨迹数据。轨迹数据本身不直接标识身份，但具有极强的可关联性和可推断性。识别要点：经纬度精度、采样频率、时间跨度、起终点类型（住宅、医院、学校、宗教场所）。分级建议：米级以下高精度轨迹 L4，百米级泛化轨迹 L3，仅保留道路级路径 L2。若轨迹与车辆 VIN 或用户账号绑定，应直接上调至 L5。
四、案例与场景：一段轨迹数据的分级过程
假设某测试车采集到一段 30 分钟的城市道路数据，包含前视视频、GNSS 轨迹、车速、转向角。识别过程如下：
- 前视视频中检测到 12 张人脸、8 个车牌，标记为 L4 候选。
- GNSS 轨迹采样频率 10Hz，精度 1.5 米，起终点为住宅小区与医院，标记为 L4。
- 车速、转向角单独看为 L2，但与轨迹时间对齐后可推断驾驶行为，上调为 L3。
- 视频、轨迹、车辆 VIN 同时存在，组合后判定为 L5，禁止原始数据出域。
五、常见误区与复盘
- 误区一：只盯人脸和车牌，忽略轨迹。轨迹的可关联性极强，单独一条轨迹也可能暴露住址与作息。
- 误区二：分级一次定终身。数据用途变化、组合方式变化都会改变敏感级，需要定期复核。
- 误区三：脱敏后即视为非敏感。若脱敏算法可逆或存在重识别风险，仍应按原级或降一级管理。
- 误区四：只做静态清单，不做字段级标签。策略引擎无法自动匹配，导致访问控制粗放。
# 敏感字段标签示例（YAML）
field: gnss_track
domain: location
sensitivity: L4
tags:
- direct_identifier: false
- combinable_identifier: true
- precise_location: true
- biometric: false
reason: "1.5m精度轨迹，起终点含住宅与医院"
reviewer: data_governance_team
review_cycle: 90d
复盘来看，敏感数据识别与分类分级的核心价值，在于把“保护什么”变成可执行、可审计、可自动化的工程规则。只有先完成这一步，后续的脱敏、加密、权限、审计才有稳定的输入。自动驾驶场景下，人脸、车牌、位置轨迹三类字段应作为重点识别对象，并特别关注组合后的敏感级上调。