一、整体建设思路与战略规划
（一）战略背景与顶层设计
为深入贯彻落实《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《政务数据共享条例》等法律法规及政策文件要求，全面落实省委、省政府关于数字政府建设的决策部署，立足我省政务数据管理实际，以价值牵引、安全可控为核心目标，江西省于2026年开展全省政务数据分类分级试点工作，试点工作的顶层设计遵循“先行试点、总结经验、全省推广”的总体思路，选取业务数据量大、场景代表性强的省直重点部门及部分设区市作为试点单位。本次试点旨在通过技术创新与模式探索，引入人工智能、大数据、隐私计算等新一代技术，构建AI赋能的政务数据分类分级全流程管理体系，进一步厘清数据资产底数，强化数据安全管控，促进政务数据共享与开发利用，为全省全面推行政务数据分类分级工作积累可复制、可推广的经验。
（二）目标与建设原则
设定三大核心目标：
一是技术验证：验证以人工智能为核心的技术路线在政务数据自动识别、智能定级、标签管理等方面的可行性与有效性。
二是流程打磨：建立“AI初判-人工复核-模型迭代-策略落地-运营评估”的闭环工作机制，形成标准化的操作流程。
三是场景示范：在营商环境、基层治理等关键领域打造可信数据应用样板，充分释放数据要素价值。
坚持三大原则：
一是安全可控：依托江西省一体化政务大数据平台隐私计算、数据沙箱等工具，确保敏感数据处理全过程“原始数据不出域、可用不可见”，筑牢安全底线。
二是AI赋能：以人工智能技术为核心驱动力，实现政务数据分类分级的自动化、智能化，大幅提升效率。
三是以用促治：将政务数据分类分级成果深度融入业务应用流程，通过实际应用检验分类分级成效。
（三）总体建设思路与技术架构
依托江西省一体化政务大数据平台，构建“数据汇聚发现→AI智能分类定级→合规共享应用→规则迭代优化”的完整闭环。
整体技术架构分为五层：
可信底座层：政务云、政务外网、一体化政务大数据平台为数据归集、数据计算、数据存储提供安全可信的环境。
AI智能引擎层：包含政务专用识别模型、敏感实体抽取、语义分析、知识图谱等组件。
业务功能层：依托江西省一体化政务大数据平台部署政务数据分类分级子系统，实现数据接入、AI定级、人工复核等功能模块。
场景应用层：将分类分级标签对接江西省一体化政务大数据平台的数据共享交换系统，支撑智慧审批、应急调度、联合监管等业务应用。
运营评估层：建立推进台账、成效评估、问题收集、制度编制的工作机制。
（四）战略规划与未来展望
全面总结经验，提炼形成标准化的技术工具、管理规范和业务场景模板，形成可复制的成果包。下一步计划将成熟的AI+政务数据分类分级能力向全省各部门、各市县逐级推广，持续深化隐私计算、数据沙箱等技术应用，助力江西省数字政府建设迈向更高水平。
二、落地实施与执行管理
（一）实施步骤与关键举措
规范梳理与知识库构建：组织业务、安全、技术专家，对标国家及省级指南，明确核心、重要、一般政务数据的三级判定边界，构建标准化规则库。基于政务行业样本对大模型进行微调训练，提升AI识别精度。
数据资源自动发现与AI智能定级：对存量业务数据库、接口、文件资源实现接入。AI引擎自动解析数据结构与内容，完成业务分类、安全等级判定和标签挂载。对高置信度结果自动确认，存疑条目推送人工复核，复核结果反向输入模型进行自学习优化。
AI赋能数据共享智能审批：将政务数据分类分级成果嵌入江西省一体化政务大数据平台,为政务数据共享赋能，提升共享效率。
AI主动风控体系构建：基于用户行为与数据标签建立智能风控模型，实时监测接口调用、批量查询等行为，对非工作时段访问、高频批量调取敏感数据等风险行为进行预警和阻断。
（二）执行管理与保障机制
组织保障：在江西省推进政府职能转变和数字政府建设领导小组统一领导下，省政府办公厅（省政务服务办）会同有关部门抓好落实。试点省有关单位落实分类分级试点工作任务，上报试点工作进展、存在问题及工作成效。试点设区市加强对本地区试点工作的组织领导和协调推进，及时解决试点工作中出现的问题，配合省级部门做好相关工作，确保全省试点工作的顺利进行。
过程管理：建立工作台账，定期召开推进会，跟踪进度，解决问题。
质量控制：制定测试方案，对AI模型准确率、系统性能、安全策略有效性进行严格测试。
制度建设：同步编制《江西省政务数据分类分级工作指南》等配套指南，确保有章可循。
三、技术档案与应用创新
（一）核心技术架构与组件
以安全数据底座作为底层基础设施，提供数据安全隔离、隐私计算、可信传输等能力，保障数据处理全过程安全可控；依托AI智能引擎提供智能化支撑，其中政务大模型经过政务业务样本微调训练，可精准识别政务数据敏感字段与业务主题，自然语言处理（NLP）负责解析非结构化文档、接口描述并提取关键信息，政务领域知识图谱用于完成数据业务关系关联分析、辅助智能定级，智能风控算法通过用户行为分析识别异常访问模式，实现主动式安全防护。
（二）应用创新亮点
AI驱动的自动化分级：改变传统人工逐条定级的模式，实现海量政务数据的自动识别、分类和定级，效率提升80%以上，并建立“AI初判-人工复核-模型迭代”的自学习机制。
基于标签的精细化管控：将分类分级标签作为数据共享的核心依据，推动解决“一刀切”管理问题，在保障安全的前提下提升政务数据共享效率。
主动式智能安全风控：从事后审计追溯转向事前定级、事中拦截、事后溯源的全周期主动安全防护，实现对违规行为的实时预警和自动阻断。
多领域场景化赋能：将分类分级治理成果广泛应用于营商环境优化、应急管理、基层治理、数字监管等领域，在隐私保护前提下，支撑联合监管等创新应用，充分释放政务数据要素价值。以金融领域为例，通过引入大模型辅助技术，融合多行业标准并结合自然语言交互深度理解业务逻辑，对数据进行高效分类分级，数据分类分级识别率100%、准确率95%，人天效率从1000字段提升至12000字段。
四、示范与借鉴价值
（一）实施成效
治理效率显著提升：AI自动定级使整体治理工作效率提升80%以上，有效节约行政成本，实现政务数据分类分级成果的动态更新。
分级标准全省统一：通过统一AI判定规则库，消除人工定级的主观差异，形成规范统一、可互认的政务数据分类分级清单。
安全防护能力增强：实现从事后处置到主动预警的转变，数据泄露风险显著降低，满足《中华人民共和国数据安全法》等法规的合规要求。
形成可复制的成果包：沉淀技术工具、管理规范、业务场景三位一体的完整成果，为全省推广奠定坚实基础。
（二）借鉴价值与推广前景
本项目为全国省级政务数据智能化安全治理提供“江西方案”，其借鉴价值体现在：
技术路径的可复制性：AI+可信数据空间的技术路线适用于不同地区、不同层级的政务数据分类分级需求，具备良好的可移植性。
管理模式的可推广性：“AI初判-人工复核-模型迭代”的闭环工作机制，以及配套的管理制度和操作规范，可为其他地区提供现成的参考模板。
场景应用的示范性：在营商环境、基层治理等领域的实践，展示政务数据分类分级在提升政府治理能力方面的巨大潜力。
完成单位：江西省政务信息中心
完成人：钱军、李新华、刘盛华、陈颖皓