


下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
借调、聘用、挂职人员应该怎么管全文目前,机关、单位通过借调、聘用、挂职等方式选人用人的现象十分普遍,这三类人员在工作中可能不同程度接触、知悉党和国家秘密。过往案例表明,这三类人员引发的失泄密事件屡有发生,亟须引起高度重视。失泄密风险千万注意因工作属性、承担任务不同,借调、聘用、挂职人员失泄密也表现出不同的风险特征。借调人员(1)岗位变动,顾此失彼。借调人员从原单位借调至新单位,容易出现未交接就离岗、忘记清退涉密载体等情况。(2)情况不熟,无知无畏。借调人员初入新岗位,对文件流转、载体使用、会议活动、网络管理等方面的保密管理要求不熟悉,容易发生无知泄密。(3)盲目信任,管理缺位。借调人员往往是业务骨干,机关、单位容易以信任代替监管,或以借调身份为由放松监管。案例:某单位发现,一台涉密电脑中存储的大量涉密资料被窃取。经查,有关责任人孙某借调到现单位后,为保持工作连续性,用移动存储介质从原单位非法复制相关涉密资料,导致泄密,给国家安全和利益造成严重损害。聘用人员(1)不懂不会,疏忽大意。机关、单位容易疏忽对聘用人员的保密监管,导致提醒不及时、教育不经常、培训不到位。(2)编外身份,未能用心。聘用人员由于编外岗位性质,容易在工作中放松自身保密要求、降低执纪标准。(3)无密可保,满不在乎。聘用人员通常未在保密要害岗位工作,误以为无密可保,轻视保密责任和泄密后果。案例:某国企聘用人员韩某离职时,委托他人代办离职,且未办理涉密载体交接手续。此后,该企业在清退文件、资料时,发现韩某留存的2份秘密级文件下落不明。案件发生后,韩某受到行政警告处分。挂职人员(1)业务挂职,保密怠职。在业务工作与保密工作要求有交集时,挂职人员容易厚此薄彼,重业务,轻保密。(2)职务挂名,管理挂空。囿于多种原因,机关、单位对挂职人员管理难到位,容易出现保密管理“盲区”。(3)到期就走,旁观心态。由于挂职时间有限,挂职人员难免产生短期过渡的旁观心态,轻视保密工作。案例:某涉密军工企业挂职人员覃某,擅自将其挂职期间搜集的涉密文件、资料复制备份,拷贝到个人计算机中。案件发生后,覃某被以非法获取国家秘密罪判处有期徒刑2年。保密管理不容忽视把好“四道关口”(1)选人关。做好任前审查,确保借调、聘用、挂职人员具备一定的保密意识,以及在岗工作的素质和能力。(2)教育关。履行教育管理职责,提升其增强反窃密、防泄密的意识与能力。(3)管理关。在岗期间加强思想跟踪和动态管理,督促其落实保密规定,遵守保密纪律。(4)检查关。加强监督检查,发现异常情况及时采取教育提醒、调离岗位或者其他预防措施。强化自我管理(1)重大事项报告。遇有本人发生失泄密事件或发现重大泄密隐患情况,发现针对本人的利诱、胁迫、渗透等行为,均须及时报告。(2)出国(境)管理。无论因公还是因私出国(境),都必须经单位审查批准,
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 公司月度美食节活动方案
- 公司暖心小服务活动方案
- 公司武术协会活动方案
- 2025年网络营销师职业资格考试试卷及答案
- 2025年建筑设计专业资格考试题及答案
- 2025年供应链管理师职业资格考试题及答案
- 2025年爱好与特长发展课程考试卷及答案
- 2025年中国梁模板行业市场全景分析及前景机遇研判报告
- 住宅装饰装修施工课件
- 大学生心肺复苏健康宣教
- GB 10770-2025食品安全国家标准婴幼儿罐装辅助食品
- 临时锅炉工用工合同标准文本
- 单病种质量管理实施方案
- 结构检测员考试题及答案
- 旅游保险产品讲解
- 装修业务居间推广合同
- 2025年内蒙古地矿集团直属子公司招聘笔试参考题库含答案解析
- 卵巢交界性肿瘤诊治进展
- 持续葡萄糖监测临床应用专家共识2024解读
- 《冠心病的规范化诊》课件
- 《数据挖掘与机器学习》 课件7.2.1 K-Means聚类
评论
0/150
提交评论