工业领域数据安全典型案例丨自动驾驶数据分类分级案例

数据安全基础共性方向--数据分类分级类

           自动驾驶数据分类分级     

      对北京市高级别自动驾驶示范区运营过程中产生的大量车路协同自动驾驶数据和地图服务信息进行全面盘点。针对海量异构数据特征建立了一套符合应用实际的数据分类分级方法，并制定了切实可行的数据安全治理方案。通过研发数据资产盘点和安全治理工具，进一步提升了数据管理效率和安全保障能力，降低了人力投入成本。

      解决了自动驾驶行业数据庞杂、流转频率高和交互主体众多带来的数据盘点效率低、安全管控难度大的问题，通过体系化的分类分级方法，为自动驾驶数据的安全存储和高效流转奠定了治理基础，大幅提升了管理效率，消除了非正常的访问行为无法捕捉等潜在的数据安全隐患。

      针对多源海量的自动驾驶数据提出体系化的数据分类分级方法和数据安全治理路径。建设部署自动化系统，高效盘点示范区超过600TB的结构化数据和超过4.5PB的非结构化数据。实时监测云控平台、MySQL数据库、MongoDB等关键业务系统活跃用户的数据开销，全面掌握各设备节点最高5Gb/s的数据流转情况，实现全方位的数据安全态势感知。

      北京车网作为汇聚并运营海量多模态、多视角、多类型数据的自动驾驶平台企业，充分考虑自动驾驶数据特征，积极应对行业内对于全面盘点数据资产，高效开展数据安全治理工作的迫切需求，提出了从理论方法到流程制度再到实践经验的体系化方案，总结形成面向车路云一体化智能网联汽车分类分级团体标准，为行业高质量发展贡献力量。