南京银行信息安全管理

    金融行业新的合规要求明确党委主体责任，构建全生命周期数据安全治理体系。国家金融监督管理总局2025年新规确立“党委（党组）、董（理）事会负主体责任”的治理架构，明确主要负责人为第一责任人，分管高管为直接责任人，层层落实问责机制。要求设立数据安全归口管理部门，统筹制度制定、分类分级、风险评估等工作，信息科技部作为技术保护主责部门，搭建全流程技术防护体系。合规要求覆盖数据全生命周期，收集环节坚守“合法、正当、必要”原则，限制临时收集渠道；存储环节采用加密技术，核心数据需多副本备份；共享环节建立外部供应商安全管理机制，跨境传输需经监管审批。同时，需将数据安全纳入全面风险管理与内控评价体系，风控、审计部门定期开展监督检查，确保合规要求落地见效，严防数据泄露与滥用。 定期对员工进行场景化培训，是防范社会工程攻击的关键。南京银行信息安全管理

    供应链安全风险评估需聚焦he心风险点，精zhun排查高风险隐患，其中供应商数据安全资质、供应链中断及第三方恶意接入是三大重点排查方向。供应商数据安全资质排查是基础，需核查供应商是否具备完善的信息安全管理体系认证，数据处理流程是否符合相关法律法规，he心技术团队是否具备足够的安全防护能力，同时评估供应商的安全信誉及过往安全事件记录，对于涉及he心数据共享的供应商，需开展深度安全审计，避免因供应商资质不足导致风险传导。供应链中断风险排查需结合内外部因素，内部关注生产流程稳定性、库存管理能力，外部关注自然灾害、地缘zhengzhi、市场波动等突发因素对供应链的影响，评估供应链的抗干扰能力及应急替代方案的可行性。第三方恶意接入风险排查需聚焦供应链各环节的网络接入点，排查未授权第三方接入供应链信息系统、窃取he心数据或植入恶意程序的风险，强化接入权限管理，建立接入行为审计机制，确保供应链网络接入的安全性与可控性。 江苏企业信息安全等保 2.0 定级需精zhun匹配业务影响，he心交易系统定三级，关键信息基础设施叠加重点保护公安部。

备案后的档案管理是个人信息处理者的法定义务，需建立完善的备案档案，妥善保管相关材料。备案档案需包括备案材料、备案结果通知书、备案编号、标准合同、个人信息保护影响评估报告、补充材料等全部相关文件，保管期限需不少于个人信息出境活动结束后5年，确保档案的完整性、可追溯性。同时，需配合省级网信部门的日常监管和专项检查，及时提供备案相关档案材料，不得隐匿、篡改、销毁备案档案，若违反档案管理要求，将依法承担相应的法律责任。

    金融风险评估需覆盖第三方供应链，形成“评估-处置-复核”闭环管理机制。金融机构第三方供应链已成为数据安全高风险点，风险评估需quan面覆盖支付服务商、云服务商、数据供应商等合作机构，杜绝“重准入、轻管控”。准入阶段需开展quan面评估，核查机构资质、安全体系、过往安全记录，要求具备等保三级及以上资质，he心合作方需额外开展渗透测试。合作期间实施持续监控，通过API接口审计、数据流转追踪等技术，实时掌握数据使用情况，定期开展复评。针对评估发现的风险，高风险项立即终止合作并整改，中风险项限期优化，低风险项持续监控。评估结束后形成完整报告，纳入第三方档案管理，同时将评估结果与合作续约、费用结算挂钩。通过“评估-处置-复核”闭环，实现第三方供应链风险的全流程管控，筑牢金融数据安全防线。 《数据安全法》确立了分类分级与重要数据出境安全评估框架。

    《个人信息保护法》为金融业务处理海量客户个人信息划定了清晰红线，其合规落地的he心在于贯彻两大基本原则：极 小必要与知情同意。“极小必要”要求金融机构收集个人信息必须具有明确、合理的目的，且限于实现处理目的的极小范围，不得过度收集。例如，信dai审批无需收集用户的通讯录信息，营销活动不应强制获取生物识别信息。这需要在产品设计源头进行“隐私合规设计”，并建立数据收集清单的定期评审机制。“知情同意”则要求以xian著方式、清晰易懂的语言，真实、准确、完整地向个人告知处理者的身份、处理目的、方式、个人信息种类及保存期限、个ren权利行使方式等，并取得个人在充分知情基础上的自愿、明确同意。对于金融业务中常见的“一揽子授权”，必须予以纠正，实现不同业务功能的同意分开取得。特别是对于敏感个人信息（如财务、生物特征等），需取得个人的单独同意，并告知处理敏感个人信息的必要性及其对个ren权益的影响。 银行数据合规咨询需协助建立“业务管数据、数据管安全”的责任传导机制。上海证券信息安全标准

医疗数据合规需严守跨机构共享边界，科研场景需额外开展安全影响评估。南京银行信息安全管理

    人工智能技术的场景化应用特性，决定了传统通用型评估方法难以精zhun识别潜在风险，基于场景化测试的评估方法成为主流选择，可有效排查算法偏见及对抗性攻击漏洞。场景化测试需结合人工智能的实际应用场景，模拟真实业务环境及各类极端情况，开展针对性测试，相较于通用测试，能更精zhun地捕捉场景化风险。在算法偏见识别方面，通过构建多元化场景数据集，模拟不同群体、不同环境下的算法应用场景，评估算法输出结果是否存在性别、种族、地域等偏见，尤其对于招聘、xin贷、司法等敏感场景，需通过场景化测试确保算法公平性，避免偏见带来的法律风险及社会争议。在对抗性攻击漏洞排查方面，通过场景化模拟恶意攻击者的攻击行为，如篡改输入数据、干扰算法运行等，测试人工智能系统的抗攻击能力，识别系统在复杂场景下的防护漏洞，进而优化防护策略，提升系统的稳定性与安全性。场景化测试还需结合动态更新机制，随着应用场景的拓展的新型攻击手段的出现，持续优化测试场景，确保评估的全面性与时效性。 南京银行信息安全管理