摘要：2026年6月，六部门联合印发《金融信息服务数据分类分级指南》，建立了“三类四级”数据分类分级体系，将一般数据细分为“敏感一般数据”与“常规一般数据”。该《指南》为刑事司法中数据法益的实质审查提供了前置法依据，对非法获取计算机信息系统数据罪、侵犯公民个人信息罪等罪名的认定标准产生实体影响。本文结合数据爬取、大模型训练、内部数据倒卖等典型业务场景，分析金融信息服务提供者的刑事风险，提出以数据分类分级清单为核心的实质合规路径，以及基于法益实质审查和合规尽职的刑事出罪辩护策略。
关键词：金融信息服务；数据分类分级；非法获取计算机信息系统数据罪；侵犯公民个人信息罪；刑事合规
一、引言
2026年6月8日，国家互联网信息办公室、中国人民银行、国家金融监督管理总局、中国证券监督管理委员会、国家统计局、国家外汇管理局六部门联合印发《金融信息服务数据分类分级指南》（以下简称《指南》）①。此前，中国人民银行于2024年发布《中国人民银行业务领域数据安全管理办法》，金融监管总局于2025年初印发《银行保险机构数据安全管理办法》②。上述部门规章主要规范持牌金融机构的数据安全义务，金融信息服务提供者这一外围主体的数据分类分级标准长期处于空白地带。《指南》的发布，填补了这一制度缺口。
《指南》参照国家标准GB/T 43697-2024《数据安全技术数据分类分级规则》，将金融信息服务数据从高到低分为核心数据、重要数据、敏感一般数据、常规一般数据四个级别③。这一分级体系为刑事司法中判断数据法益受损程度提供了可操作的参照标尺。前置法的精细化必然要求刑事司法的精准化，司法机关在处理涉金融数据犯罪时，应当依据《指南》的分类分级标准进行实质审查，避免将所有违反数据管理规定的行为一律入罪。本文从《指南》的规范意蕴出发，探讨其对涉金融数据犯罪认定的实体影响，并从辩护视角提出合规路径与出罪策略。
二、《指南》确立的数据分类分级体系及其规范意义
《指南》的核心贡献在于构建了“三类四级”的数据分类分级体系。在分类层面，将数据划分为业务数据、用户数据、企业数据三大一级分类，进一步细化为9类二级分类和67类三级分类④。在分级层面，《指南》在《中华人民共和国数据安全法》（以下简称《数据安全法》）确立的“核心、重要、一般”三级框架基础上，将一般数据细分为“敏感一般数据”和“常规一般数据”，形成四级分级体系。敏感一般数据是指一旦被泄露或篡改、损毁，对经济运行、社会稳定、公共利益有一定影响，或对组织自身或公民个体造成重要影响的数据。未公开的私募基金数据、涉及人民币的外汇数据等被列为敏感一般数据，普通的股票、债券行情数据属于常规一般数据⑤。
将一般数据进一步细分，是对数据法益分层保护的制度回应。在传统的涉数据犯罪裁判中，往往仅关注数据是否属于“国家秘密”或“公民个人信息”，对于海量的中间态商业数据缺乏精细化的法益评价机制。《指南》设定的量化标准也体现了这一点，例如1000万人及以上的个人用户基本信息数据、100万人及以上的交易数据集被纳入重要数据范围。这些标准使得数据的敏感程度与法律保护力度相匹配，为刑事司法中评估行为的社会危害性提供了可参考的量化标尺。
《指南》并非孤立规范，其上位法依据包括《中华人民共和国网络安全法》《数据安全法》《中华人民共和国个人信息保护法》以及《网络数据安全管理条例》。《数据安全法》第二十一条确立了数据分类分级保护制度，要求各地区、各部门确定重要数据具体目录；《网络数据安全管理条例》进一步细化了重要数据的目录制定与识别申报义务⑥。《指南》将这些上位法要求落实到金融信息服务这一特定业态中，为行政监管和刑事司法提供了明确的参照基准。
三、《指南》对涉金融数据犯罪认定的实体影响
前置法规范的精细化，必然在刑事司法领域产生连锁反应。《指南》所确立的数据分类分级标准，不仅是行政监管的依据，也是刑事定罪量刑中判断法益受损程度的实质参照。
（一）“重要数据”识别标准的明确化与入罪门槛
《数据安全法》第四十五条对违反核心数据管理制度的行为设定了严厉的行政处罚，并明确构成犯罪的依法追究刑事责任⑦。但在《指南》出台前，何为金融信息服务领域的“重要数据”，在司法实践中往往依赖办案机关的自由裁量，缺乏统一标准。《指南》通过强制要求金融信息服务提供者形成数据分类分级清单并报送重要数据目录，实际上为刑事司法提供了一份清晰的“保护清单”。行为人非法获取已被列入目录的重要数据，其社会危害性显然高于获取常规一般数据，在量刑时应当作为重要考量因素。反之，获取的仅仅是公开的、被定级为常规一般数据的行情信息，入罪时应当保持克制。
江苏省常州市天宁区人民法院审理的陈某非法获取计算机信息系统数据、非法控制计算机信息系统案中，陈某控制的公司通过破解某电商平台加密算法，获取用户昵称、userID等非公开数据，违法所得共计600余万元⑧。最高人民检察院在发布该案时明确指出，行为人单纯违反robots协议、仅爬取公开数据不宜入罪，重点审查的是是否通过技术手段破解加密数据接口、是否获取了非公开数据。这一裁判思路与《指南》的分级逻辑高度契合：数据的定级决定了行为的社会危害性评价，进而影响入罪与量刑。
（二）“敏感一般数据”对侵犯公民个人信息罪适用范围的影响
侵犯公民个人信息罪是涉数据犯罪中适用频率最高的罪名之一。在金融数据领域，大量数据处于“个人信息”与“商业数据”的交叉地带。某些经过脱敏处理的金融交易行为数据，虽然在《指南》中属于敏感一般数据，但已不具备识别特定自然人的功能，不应当作为侵犯公民个人信息罪的犯罪对象。辩护律师应当积极利用《指南》的分类标准，将此类数据从“公民个人信息”的范畴中剥离出来。对于那些同时属于敏感一般数据且符合公民个人信息定义的数据，例如高净值客户的详细资产配置信息，《指南》的定级客观上强化了其受保护的必要性。针对此类数据的侵犯行为，社会危害性评价应当高于普通的个人信息侵犯行为。
（三）前置法合规义务对犯罪主观故意的阻却
在单位犯罪的认定中，金融信息服务提供者如果严格履行了《指南》规定的六步流程，即数据资源梳理、数据分类、数据分级、形成数据分类分级清单、报送重要数据目录、动态更新管理⑨，并针对不同级别的数据部署了相匹配的技术防护措施，这一系列合规行为能否阻却单位犯罪的主观故意？笔者认为答案是肯定的。企业按照《指南》建立的合规体系，是企业已尽到合理注意义务的明证。当企业内部员工违反公司规定，越权获取或对外泄露数据时，如果企业能够证明其对涉案数据进行了准确分级并部署了相应的技术防护，员工的越权行为应当被视为个人犯罪，不应轻易归责于单位。
四、金融信息服务提供者的典型刑事风险场景
（一）数据爬取中的越权获取风险
数据服务提供商为获取信息优势，常利用网络爬虫技术抓取各类商业数据。上海市静安区人民法院审理的杨某非法获取计算机信息系统数据案具有典型意义。杨某在某机场航线网络规划项目中持有RDS系统临时账号期间，指示技术人员编写爬虫程序，无视系统下载限制、超越临时账号授权范围，在约48小时内爬取1800余万条数据，造成被害单位被迫关停系统并支付违约赔偿和技术服务费共计17万余元。法院以非法获取计算机信息系统数据罪分别判处被告单位罚金五万元，判处杨某有期徒刑三年，缓刑三年，并处罚金三万元⑩。
结合《指南》的规定，量化交易服务商在实施数据爬取时，必须对目标数据的级别进行审慎评估。如果爬取的是公开的常规一般数据，且未采取破坏性技术手段，通常属于民事侵权或不正当竞争范畴。一旦突破技术防护措施，强行爬取未公开的敏感一般数据乃至重要数据，则直接面临《刑法》第二百八十五条第二款非法获取计算机信息系统数据罪的刑事风险。
（二）大模型训练中的数据滥用风险
金融AI工具提供商在模型训练过程中，需要处理海量金融数据。如果在模型训练中违规使用了未经授权的重要数据，或者使用了未经彻底脱敏的敏感一般数据，例如包含客户真实交易流水的数据，AI工具提供商可能面临行政处罚，还可能涉及拒不履行信息网络安全管理义务罪。如果模型在输出端未能有效过滤，导致敏感数据被逆向还原并泄露，还可能引发侵犯商业秘密罪或侵犯公民个人信息罪的刑事指控。在AI模型的全生命周期管理中，将《指南》的分类分级标准嵌入数据清洗和预处理环节，是防范刑事风险的关键措施。
（三）内部人员数据倒卖风险
内部人员的数据倒卖行为是金融行业数据泄露的主要来源之一。在本溪市平山区人民法院审理的李某侵犯公民个人信息案中，李某利用在本溪银行普惠金融部工作的职务便利，伪造多人办理业务的事实，查询公民个人征信报告915份，以每份300元至350元不等的价格出售给他人，非法获利232250元。法院以侵犯公民个人信息罪判处李某有期徒刑三年，缓刑三年，并处罚金人民币十万元⑪。对于行情资讯平台而言，其掌握的未公开行业研报、深度分析数据等，在《指南》体系下往往属于敏感一般数据。内部员工为牟取私利倒卖此类数据，如果涉案数据符合商业秘密的法定构成要件，员工的行为还可能构成侵犯商业秘密罪。
五、基于《指南》的刑事合规体系构建与辩护路径
（一）以数据分类分级清单为核心的实质合规
企业合规的第一步是严格落实六步流程，建立并动态更新数据分类分级清单。单纯的纸面合规不足以规避刑事风险，企业必须将分类分级标准嵌入业务系统的底层逻辑。企业应当根据数据级别，实施差异化的技术防护策略。对于被定级为重要数据和敏感一般数据的核心资产，应当采取严格的访问控制、加密传输和动态脱敏措施。在API接口调用和数据导出环节，系统应能自动识别数据级别，根据调用者的权限等级实施阻断或脱敏处理。只有当分类分级标准转化为系统代码和技术屏障时，企业才能在面对非法获取或内部泄露事件时，主张自身已尽到法定的安全保护义务。
（二）涉案数据定性的实质审查
在数据犯罪的刑事辩护中，涉案数据的定性往往是控辩双方交锋的焦点。《指南》为辩护律师提供了有力的论证依据。在案件审理过程中，辩护律师应当积极申请对涉案数据进行重新鉴定或申请有专门知识的人出庭，依据《指南》的具体分类对涉案数据进行逐一比对。如果能够证明涉案数据在《指南》体系下仅属于常规一般数据，而非公诉机关主张的重要数据或公民个人信息，辩护方可以据此主张该行为的社会危害性显著较低，达不到“情节严重”的入罪标准，或者至少在量刑上予以大幅度从宽处理。
（三）以合规尽职阻却单位犯罪的归责
在涉及单位内部员工的数据犯罪案件中，辩护律师可以考虑“合规尽职”的思路。如果企业能够提供完整的证据链条，包括数据分类分级清单、重要数据目录报送记录、系统权限审批日志、员工保密协议及合规培训记录等，证明企业已经按照《指南》的要求建立并有效运行了数据安全管理体系，企业就有权主张其对员工的行为产生了合理的信赖。在这种情况下，员工利用技术手段绕过公司防护措施非法获取或泄露数据的行为，应当被视为纯粹的个人越权行为。企业基于其合规尽职的表现，应当被免除单位犯罪的刑事责任。这种辩护策略契合国家鼓励企业开展合规建设的政策导向。
六、结语
《指南》的发布，标志着金融信息服务领域的数据治理从粗放模式迈向精细化管理。对于金融信息服务提供者而言，这既是监管收紧的信号，也是清晰的合规指引。企业应当将分类分级标准内化为业务运营的常规保障，从形式合规走向实质合规。刑事司法亦应尊重并吸纳前置法的专业界定，在处理涉金融数据犯罪案件时，以《指南》为依托对涉案数据进行实质性的法益审查。只有在行政监管的精细化与刑事司法的精准化之间形成良性互动，才能在严密保护数据安全的同时，为数字经济的创新和发展留出适当空间。
注释
① 参见《金融信息服务数据分类分级指南》（国家互联网信息办公室、中国人民银行、国家金融监督管理总局、中国证券监督管理委员会、国家统计局、国家外汇管理局2026年6月8日联合印发）。
② 参见《中国人民银行业务领域数据安全管理办法》（中国人民银行2024年发布）；《银行保险机构数据安全管理办法》（国家金融监督管理总局2025年初印发）。
③ 参见前注①，《金融信息服务数据分类分级指南》参照国家标准GB/T 43697-2024《数据安全技术数据分类分级规则》。
④ 参见前注①，《金融信息服务数据分类分级指南》一级分类为业务数据、用户数据、企业数据3类，二级分类9类，三级分类67类。
⑤ 参见国家互联网信息办公室有关负责同志就《金融信息服务数据分类分级指南》答记者问，载中国网信网2026年6月13日。杨建军（工业和信息化部电子第五研究所所长）对《指南》量化标准与场景化示例的说明。
⑥ 参见《中华人民共和国数据安全法》（2021年6月10日发布，2021年9月1日施行）第二十一条、第四十五条；《网络数据安全管理条例》（国务院2024年发布）。
⑦ 参见前注⑥，《数据安全法》第四十五条。
⑧ 参见陈某、钱某等非法获取计算机信息系统数据、非法控制计算机信息系统案，江苏省常州市天宁区人民法院一审刑事判决书。最高人民检察院发布该案作为典型案例，载最高人民检察院官网2025年6月3日。最高人民检察院明确指出：“行为人单纯违反robots协议、仅爬取公开数据不宜入罪”，须进一步查明是否通过技术手段破解加密数据接口、是否获取非公开数据。
⑨ 参见前注①，《金融信息服务数据分类分级指南》“6数据分类分级流程”：数据资源梳理、数据分类、数据分级、形成数据分类分级清单、报送重要数据目录、动态更新管理。
⑩ 参见杨某非法获取计算机信息系统数据案，上海市静安区人民法院（2025）沪0106刑初89号刑事判决书。被告单位被判处罚金人民币五万元，被告人杨某被判处有期徒刑三年，缓刑三年，并处罚金人民币三万元。
⑪ 参见李某侵犯公民个人信息案，辽宁省本溪市平山区人民法院（2021）辽0502刑初323号刑事判决书。