3. 金融敏感信息分类与合规要求
在金融RAG系统中，权限隔离与敏感信息防护的第一道工程决策，不是“怎么加密”，而是“哪些数据需要被区别对待”。分类错了，后续的向量库分区、检索过滤、脱敏策略和审计规则都会失去依据。本节从数据分类出发，梳理个人金融信息、账户数据、交易记录、内幕信息四类核心对象，并对照GDPR、个人信息保护法与金融行业监管要求，给出可落地的分级框架。
一、核心原理：为什么金融数据必须分级
金融数据的敏感性并非线性，而是由三个维度共同决定：可识别性（能否关联到具体自然人）、可滥用性（泄露后能否直接造成资金损失或市场操纵）、合规强制性（监管是否明确要求隔离或限制出境）。RAG系统的特殊性在于，它会把分散的数据切片、向量化并跨文档召回，原本在业务系统中被表级权限保护的数据，可能在一次相似度检索中被拼接泄露。因此，分类不是静态标签，而是检索过滤器的输入参数。
二、四类金融敏感信息及其特征
| 类别 | 典型数据 | 泄露后果 | RAG处理要求 |
|---|---|---|---|
| 个人金融信息 | 姓名、身份证号、手机号、生物识别、征信评分 | 身份盗用、精准诈骗 | 入库前脱敏，检索时按用户身份过滤 |
| 账户数据 | 账号、卡号、余额、授信额度、密码哈希 | 直接资金盗取 | 禁止进入共享向量库，仅限专有分区 |
| 交易记录 | 流水、转账对手、时间、金额、商户 | 行为画像、商业机密泄露 | 按机构与客户双重维度隔离 |
| 内幕信息 | 未披露财报、并购意向、重大合同 | 市场操纵、内幕交易 | 物理隔离，禁止向量化或仅限合规官访问 |
需要特别注意的是，账户数据与交易记录常被误认为同一类。账户数据是“静态资产标识”，交易记录是“动态行为轨迹”。前者泄露可直接导致盗刷，后者泄露更多导致隐私与商业分析风险。在RAG中，二者应使用不同的命名空间与过滤标签。
三、合规要求对照：GDPR、个人信息保护法与金融监管
三套规则体系对金融数据的约束重点不同，但共同指向“最小必要、目的限定、可审计”。
- GDPR：将金融数据纳入特殊类别或高风险个人数据，强调数据主体权利（访问、删除、可携带），跨境传输需充分性认定或SCC。RAG若召回欧盟用户数据，必须支持删除请求的向量级清除。
- 个人信息保护法：要求处理个人金融信息取得单独同意，敏感个人信息需告知必要性与影响。RAG的检索日志若包含原始片段，即构成“处理”，需纳入同意范围。
- 金融行业监管：人民银行、银保监会、证监会等对客户信息、账户数据、内幕信息有明确隔离与留痕要求。例如内幕信息知情人登记、交易记录保存期限通常不少于5年。
四、方法流程：从分类到RAG过滤标签
建议采用“四步落地法”，把监管语言翻译成工程参数。
- 数据盘点：扫描所有待入库文档，识别是否含四类敏感信息，标记来源系统与责任人。
- 分级打标：为每个切片写入元数据，至少包含 sensitivity_level（L1-L4）与 category。
- 隔离策略：L4内幕信息不进入共享索引；L3账户数据使用独立collection；L2交易记录按机构过滤；L1个人金融信息脱敏后入库。
- 检索校验：在召回阶段注入权限过滤条件，并在生成前做二次敏感词与实体检测。
# 向量入库元数据示例
{
"doc_id": "txn_20240512_8891",
"category": "transaction_record",
"sensitivity_level": "L2",
"owner_org": "retail_bank_a",
"customer_id_hash": "a3f9...",
"retention_days": 1825,
"cross_border_allowed": false
}
# 检索过滤条件（伪代码）
filter = {
"sensitivity_level": {"$lte": user.clearance_level},
"owner_org": {"$in": user.authorized_orgs},
"cross_border_allowed": True
}五、案例与场景：一次跨机构召回的风险
某金融集团RAG助手同时服务银行与证券子公司。一名银行客户经理提问“某上市公司近期资金流向”，系统从证券子公司的交易记录中召回了未脱敏的机构席位数据，并生成了一段包含对手方名称的回答。问题根源不是模型，而是交易记录切片只打了 category=transaction，未打 owner_org 与 sensitivity_level，导致跨机构过滤失效。修复方式是为所有交易记录补充机构标签，并在检索层强制注入 owner_org 过滤。这个案例说明：分类字段缺失，等于权限隔离不存在。
六、误区与复盘
- 误区一：脱敏后即可共享。 脱敏后的个人金融信息仍可能通过组合重识别，需结合k-匿名或差分隐私评估。
- 误区二：内幕信息只靠权限控制。 内幕信息一旦向量化，相似检索可能被间接推断，应优先物理隔离而非逻辑过滤。
- 误区三：合规是一次性工作。 监管规则与数据分布持续变化，分类标签需定期复审，建议每季度做一次敏感信息抽样审计。
总结来看，金融敏感信息分类是RAG权限隔离的起点。把四类数据映射为可执行的元数据标签，再结合GDPR、个人信息保护法与金融监管的具体要求，才能让检索过滤、脱敏和审计形成闭环。分类越清晰，隔离越可靠，合规风险越可控。