依据国内安全法规、行业标准等，内置多个行业、多法规的分类分级标准模版，包括但不限于：通用、金融、证券、电信、疫情、GDPR、CCPA、等保、网络安全法、数据安全法和个人信息安全规范等分类分级模版；同时提供各模板标准附件供用户查阅。此外，用户也可以按照指引自行导入自己企业内部的分类分级标准。

开箱即用70多种通用敏感字段识别算法。支持丰富的敏感数据识别技术：包括正则表达式、关键字典、机器学习、NLP、文档指纹等先进AI技术创建识别规则、实体识别模型。数据采样采用全局随机采样的方式，有效避免了脏数据的干扰。 包括但不限于姓名、性别、手机号、固定电话、邮箱、民族、血型、学历、政治面貌、婚姻状况、身份证、车牌号、车架号、护照号、台胞证、港澳通行证、军官证、银行卡、驾驶证编号、机构名称、纳税识别号、组织机构代码、营业执照号码、统一社会信用代码、MAC地址、URL地址、MEID、IMEI、IP地址、IPv6地址、JDBC连接串、邮政编码、城市、省份、详细地址、日期、时间、基金代码、股票代码、基金名称、股票名称、加密数据等。 同时，客户可以自定义数据识别规则并调节权重、启用或禁用内置规则，真正实现符合实际需求的分类分级定制化。

命名实体识别(Named Entities Recognition, NER)是自然语言处理(NLP)的一个分支，其目的是识别语句中人名、地名等命名实体。由于这些命名实体数量不断增加，通常不可能在词典中穷尽列出（通常产品识别姓名通过字典枚举的方式，识别广度与精度受限于字典中姓，名的枚举个数），所以需要命名实体识别来自动学习其构成方法中的一些规律性。 产品内置基于深度学习+条件随机场算法的（BiLSTM+CRF）命名实体识别模型，可准确识别人名、地名、机构名称、时间、日期、金额等各类实体内容 。

AiSort内置自动推荐引擎，通过使用Apriori 、FP-growth等关联规则算法，训练出推荐模型，给出分类分级推荐度排序，最优匹配度的敏感项被作为默认推荐的类别和等级。同时，支持推荐命中率调节，大于配置值才会被默认推荐。 例如某金融客户分类分级过程中，通过内置敏感数据识别规则，发现该数据为“姓名”字段，但具体所属哪一类别、哪一级别有多种可能。该“姓名”字段，可能是“客户-个人-个人自然信息-个人基本信息”类别中的“姓名”敏感项目，也可能是“客户-单位-单位基本信息-单位联系信息”类别中的“联系人”敏感项，亦或可能是“客户-单位-单位资讯信息-企业工商信息”类别中的“企业法人”敏感项。

AiSort自动推荐引擎，结合数据上下文信息，发现该表中其他列信息存在“企业名称”敏感项，而该项所属类别为“客户-单位-单位资讯信息-企业工商信息”。推荐引擎会给客户提供命中率最高的默认推荐项，极大地提高了用户分类分级的效率和准确性。