本文刊载于《交易技术前沿》总第71期——信创专刊(案例篇第三期)
本文作者:
李剑戈、王岐、刘舜禹 中信建投证券股份有限公司
杜烨初、甘立阳 北京神州绿盟科技有限公司
摘要:本研究以证券行业金融数据资产访问与审计场景为核心,针对券商在数据资产访问管控、安全审计环节存在的各类痛点,结合大语言模型的智能分析、语义理解、行为识别能力,打造适配金融行业的数据资产访问安全管控与全流程审计解决方案。研究发现,当前证券行业普遍存在账号共用 、权限超标、敏感数据裸暴露、高危访问行为难预警、审计分析效率低下、问题追溯困难等问题。依托大语言模型赋能,落地专人专户管理、细粒度智能权限管控、动态智能脱敏、高危访问行为实时识别阻断、AI驱动全链路审计等能力,可系统性化解行业安全与合规难题。该方案已在中信建投证券落地应用,大幅强化金融数据资产安全与合规管理水平,数据泄露风险下降95%,安全事件审计追溯时长压缩至分钟级,为金融行业数据资产安全治理、监管合规落地提供实践参考。
关键字:大语言模型、金融数据资产、安全审计、证券公司、合规
⼀、概述
证券行业数据规模大、价值高、应用场景复杂,数据库系统中关键信息资产高度集中化,成为内部违规人员、外部不法分子攻击和获取敏感信息的主要目标。多项立法和规范要求相继建立,如针对上市公司的SOX法案,规定公司和组织必须采取一定措施,对数据库进行安全审计;信息安全技术网络安全等级保护基本要求以及国家保密局BMB17-2006号文件中要求涉密敏感信息、业务系统相关的网络行为进行安全审计。国务院《关于构建数据基础制度更好发挥数据要素作用的意见》给出政策依据,国家数据局《“数据要素×”三年行动计划》、证券期货业科技发展“十四五”规划关于深化数据要素价值利用的部署都对证券行业数据使用提出新的更严格要求。
⼆、研究方法及技术验证
数据安全管理平台建设数据库运维接入和操作审计系统模块基于证券行业现有数据安全相关法规标准,系统梳理交易数据、客户信息、行情资讯等核心数据资产。
建立数据目录,形成覆盖行业场景数据资产的标准化目录库。
建立全流程合规管理保障机制,综合运用语法词法分析、数据捕获等技术手段,构建覆盖数据采集、传输、共享全生命周期的安全防护体系。
图1 案例核心技示意图
(⼀)利用大模型技术提高数据资产解析效率
为了提高解析数据库资产效率,将难懂的字段名、表名转化为直观的业务含义,实现“数据到业务”的映射,帮助用户快速理解不同字段的含义。
1、大模型与国产信息技术融合发展
创新性的利用大模型解析、关联、推理等能力进行了金融数据资产访问安全及审计方面的研究与应用 。
上下文语义推断是通过分析句子和段落中的语境线索来理解词义和句意的核心技术。该方法综合运用语法分析、词义消歧和语义角色标注等技术手段,能够解析数据库定义语言结构,可有效判断数据访问的真实意图。
基于跨场景分析实现业务属性深度挖掘。跨场景分析通过多数据源访问探查、热点数据使用行为分析、编辑和标注等技术实现不同数据访问场景间的衔接,起到自动识别风险点并提供防控建议的作用 。
业务数据的整合与分析需要采用系统化的策略和工具。由于本系统接入公司各类型数据库的运维操作,天然有数据中心整合能力,为各业务系统数据关系提供复杂数据融合与质量治理功能。
基于用户画像与路径推演能力实现风险态势感知与决策。用户画像构建通过标签体系方法和基础数据采集技术,形成具有代表性的虚拟用户模型。这些模型可以在运维人员和后台数据之间形成关联关系,为数据访问监控和审计提供参考依据。
2、大模型在数据合规场景下的应用
本研究成果将应用于公司数据安全管理平台,是大模型在证券业务合规领域的一次重要实践。实现智效⼀体的数据访问与合规审计体验,推动行业数据要素安全有序流动,降低数据交互成本,提升数据处理效率,有效防范数据泄露,为公司数字化转型提供关键基础设施保障。
(⼆)利用大模型技术实现风险监控与预警
对整体数据资产风险态势进行监控,形成数据风险追溯并触发高风险预警,⾼效优化日常工作。
1、基于上下文语义的推断。依据数据类型、表间关系、字段取值范围等多维度信息,反向推断字段的真实含义。
2、跨表业务场景分析。通过表间关联和查询频率等信息,⼤语⾔模型可深入理解数据在业务链中的实际作用。
3、业务属性深度挖掘。⼤模型标记实体归类与业务归类。
4、数据关联与动态匹配。整合已解析的资产语义信息和日志,通过建立动态匹配规则,实现业务标签⾃动关联。
5、风险态势逻辑判断。根据规则匹配标记异常操作,通过用户画像关联和路径推演识别潜在风险行为。
(三)现阶段成果
1、原型系统打造
打造基于大模型的金融融数据安全审计原型系统,该系统能够实现字段语义的自动化解析以及风险态势的实时感知。
2、平台应用实践
本研究成果将应用于公司数据安全管理平台,实现智效⼀体的数据访问与合规审计体验,推动行业数据要素安全有序流动,降低行业数据交互成本,提升数据处理效率,有效防范数据泄露风险,为公司数字化转型提供关键基础设施保障。
图2 数据库运维接入和操作审计系统截图
3、行业标准报告发布
发布《⼤模型在证券数据资产安全中的应用研究报告》,为⾏业提供有价值的技术参考。申报了证标委“证券公司数据流通安全管理规范研究”课题,成果将填补证券行业数据流通合规标准空白,为《证券期货业数据安全风险防控数据分类分级指引》等监管政策提供实践支撑。
4、申请专利
申请与大模型语义解析和风险推演相关的发明专利《⼀种利用大模型解答数据库SQL审核的方法、装置、电⼦设备及介质》,保护创新成果。
三、研究结果与建议
(⼀)研究成果
本案例主要解决两方面问题。一方面为提高解析数据库资产效率,将难懂的字段名、表名转化为直观的业务含义,实现“数据到业务”的映射,帮助用户快速理解不同字段的含义;另⼀方面对整体数据资产风险态势进行监控,形成数据风险追溯并触发高风险预警,高效优化日常工作。
拟突破的技术难点有如下四点。
1、基于上下文的语义推断能力,拆解隐晦字段。当字段命名不规范时,会使用户产生误解,从而降低工作效率。利用大模型技术,根据数据类型、表间关系、字段取值范围等可以反向推断其真实含义。通过表间关联、查询频率等,理解数据在业务链中的实际作用。
2、对业务属性进行深度挖掘,自动⽣成业务标签。利用⼤模型将技术元数据与业务知识结合,实现业务实体归属。
3、在数据整合与分析基础上完成关键数据关联和动态匹配规则,通过识别核心敏感数据触发高风险预警。
4、输出风险态势判断逻辑,从单点风险识别延伸到组合风险分析,进而勾勒出典型用户画像,通过特征工程及路径推演实现风险事件溯源。
本研究成果将应用于公司数据安全管理平台,实现智效⼀体的数据访问与合规审计体验,推动行业数据要素安全有序流动,降低行业数据交互成本,提升数据处理效率,有效防范数据泄露风险,为证券行业数字化转型提供关键基础设施保障;同时也是大模型在证券业务合规领域的⼀次重要实践。
(⼆)研究亮点
1、基于上下文的语义推断能力实现抽象字段语义解析
基于上下文的语义推断能力,拆解隐晦字段。当字段命名不规范时,利用大模型技术,根据数据类型、表间关系、字段取值范围等可以反向推断其真实含义。
2、基于跨场景分析能力实现业务属性深度挖掘
在数据整合与分析基础上完成关键数据关联和动态匹配规则,通过识别核心敏感数据触发高风险预警。
3、基于深度挖掘能力实现业务数据的整合与分析
对业务属性进行深度挖掘,⾃动生成业务标签。利用大模型将技术元数据与业务知识结合,实现业务实体归属。
4、基于用户画像与路径推演能力实现风险态势感知与决策
输出风险态势判断逻辑,从单点风险识别延伸到组合风险分析,进而勾勒出典型用户画像,通过特征工程及路径推演实现风险事件溯源。
5、本案例为证券行业数据合规领域的开创性实践
本课题是利用大模型技术在金融数据资产的访问安全及审计方面的研究与应用,是证券行业数据资产合规方面利用大模型技术解决语义智能化解析、风险态势感知的开创性实践。
研究成果将应用于公司数据安全管理平台,实现智效⼀体的数据访问与合规审计体验,推动行业数据要素安全有序流动,降低行业数据交互成本,提升数据处理效率,有效防范数据泄露风险,为证券行业数字化转型提供关键基础设施保障。
(三)研究经验
证券行业数据库中,字段命名不规范的现象普遍存在,这给数据理解和运维带来极大困扰。大语音模型凭借强大的上下文语义推断能力,成为解决这⼀难题的关键。目前通常解决方案有:语义推断、业务属性挖掘、数据整合分析等。通过语义推断能力进行拆解隐晦字段、跨表业务场景分析等⼿段,进行数据整合与基础分析,实现对整体数据资产风险态势的有效监控。
为了提高解析数据库资产效率,将难懂的字段名、表名转化为直观的业务含义,实现“数据到业务”的映射,帮助用户快速理解不同字段的含义;以及对整体数据资产风险态势进行监控,形成数据风险追溯并触发高风险预警,⾼效优化日常工作,我们引⼊了公司的大模型技术能力,完成了大模型与国产信息技术融合发展及应用。
项目组创新性的利用大模型解析、关联、推理等能力进行了金融数据资产访问安全及审计方面的研究与应用。
参考⽂献——
[1]中国证券监督管理委员会《- 证券期货业网络和信息安全管理办法》
[2]北京金融科技产业联盟《- 基于数据空间的金融数据可信流通研究报告》
[3]国家数据局《- 可信数据空间发展行动计划(2024-2028年)》
[4]中国金融电脑+《- 科技赋能网络安全:金融数据流通安全治理的新路径探索》
[5]金融电子化《- 证券期货业数据安全体系建设研究》
[6]中国信息安全《- 金融行业数据安全风险监测运营体系建设实践》

