安华金和金融行业方案总监张海涛先生在演讲中指出：“如今，数据的价值、使用方式、使用环境和政策要求都在发生变化。作为国家安全的重要组成部分，金融数据因其丰富、详细、准确等特点，面临诸多安全问题，亟需进行开放、动态的数据安全治理——通过对数据分类分级、不同角色授权和场景化安全防护等措施，保障金融数据被安全的使用。”

数据的分类分级

首先，通过有效分析和梳理，对数据进行不同类别和密级的划分；根据数据的类别和密级制定不同的管理和使用原则；对数据进行有差别和针对性的适当防护。

其次，通过对不同角色制定不同的安全策略，用以管控并了解数据正在或曾经被谁访问——业务人员、运维人员、开发测试人员、数据共享第三方人员等是如何使用和访问数据的。

然后，针对不同角色于不同场景下对数据的正常使用需求，配置相应的安全策略及安全工具。比如，对测试人员，满足其在开发场景下对生产数据进行脱敏后的高度仿真模拟需求；而对运维人员，满足其在备份和调优场景下对数据进行行为审计、敏感数据掩码等需求。

运维场景安全管控能力弱

在运维场景下，要解决的问题很多。其中，针对复杂人员和高权限账号的管控问题尤为重要。这一点如果得不到有效应对，就会出现对数据安全的“一问三不知”——什么人动了数据不知道、怎么动的数据不知道，什么时候动的也不知道...更令人头疼的是，有时即便发现了恶意操作，也无法及时阻断。

这时就需要通过配置数据库运维管理系统，实现细粒度审批管控、数据库敏感对象防护、运维侧的整体监控，即对数据做到可视、可管、可控。

在用户场景下，数据泄露会造成诸如电话诈骗、短信骚扰、定向推销等一系列大大小小的安全风险。这些恼人的麻烦问题可能直接导致客户的投诉甚至流失，只因一串手机号码泄露。出现问题后，如何快速、准确的溯源，找到数据泄露的源头和责任人呢？

这时该换数据库安全审计系统出马了，通过“敏感数据发现-审计结果分析-泄露数据取样-验证SQL语句-会话行为分析”，最终实现对责任人的追踪和定位。

除上述两例，根据场景不同，还需更多应对方法