敏感数据. 如果转移涉及暴露种族或血统、政治观点、宗教或哲学信仰或工会成员资格的个人数据、用于唯一识别自然人的基因数据或生物数据、与健康或个人性生活或性取向相关的数据，或与刑事定罪或犯罪相关的数据（以下简称“敏感数据”），数据进 口方应根据数据的具体性质和所涉及的风险采用特定限制和/或其他保护措施。这可能包括限制允许访问个人数据的人员、实施额外的安全措施（如假名化）和/或对进一步披露进行额外限制。
敏感数据. 在采集的数据中报告一些隐私信息，对于这些信息是否进行脱敏加密。内置10余种敏感数据发现算法，通过对数据的采样分析，自动扫描发现系统中的敏感字段及类型。如客户，企业的一些证件信息，地址信息。 1.6.2 清洗任务调度 根据数据源采集的数据的频度不一致，制定不同的清洗任务，主要分为实时，准实时，定时的任务。该模块可以统一的对所有的清洗任务进行监控，创建新的清洗任务时匹配清洗规则，通过点击启用清洗任务，设置有效期限，进行数据的清洗，通过查看详情，查看整个任务的清洗状况。 （1）实时清洗任务 数据信息的时效性要求较高，并且没有大量的清洗内容的情况，可以实时对采集的数据进行监控，一旦有数据的DDL操作，及时的清洗并写入数据仓库。 （2）准实时清洗任务 数据信息不是实时更新，清洗内容相对稍微复杂，可以创建15min或者20min的任务，进行数据的清洗。 （3）定时清洗任务 对一些数据量比较大，并且是对数据进行历史类型的数据进行清洗，可以按照天、周等时间点进行创建任务 。 （4）清洗任务预警 任务的运行状况的实时查看，对清洗任务的失败程度和影响层面的不同，进行预警邮件。 1.6.3 清洗数据映射 将原始数据与数据规划进行映射，分析原始数据的表名、字段名以及字段含义，将原始数据表、字段与政务大数据中心的数据规范表、字段进行映射。 映射规则包含所有数据规划元素的原始数据对应关系及对应说明。在原有数据规划不能满足本地化数据规划加工的情况下，扩充数据规划的基础表数量，同时扩充映射规则。 映射的过程，即是原始表与数据规划表梳理的过程，主要工作内容如下： 1）原始表—>规划表，N->1关系处理。 2）原始表—>规划表，1->N关系处理。 3）原始表字段—>规划表字段，通过字段逻辑关系，形成N->1关系处理。 4）根据本地化数据表情况，调整规划表数据类型，比如企业名称数据字段长度已经超出规划表字段长度，如果不调整规划表字段长度，可能发生采集出错、丢失数据等现象。 1.6.4 数据清洗验证 数据验证主要根据下面的几种对比检测，生成验证结果报告,根据业务的需求，可以自由的搭配各种指标对比信息。 1）与报表数据比对 在整体数据分析结束后，按照标准的报表统计口径对业务数据进行加工和统计。将结果和采集到的报表数据进行比对，从整体角度判读全局数据分析的准确性和各业务模块数据清洗加工后的准确性，完成数据较粗粒度的验证。 2）