数据结构操作便捷的同时也带来了一系列安全问题

随着工业互联网日新月异的发展，给工业控制系统带来操作便捷的同时也带来了一系列安全问题，各种木马病毒、后门等威胁也正向工业领域侵袭[1]。当前工业互联网安全形势严峻，工业安全事件频发，重大工业信息安全事件层出不穷，攻击领域涉及工业、交通、能源、水利、电力等行业。2017年，美国水务公司遭受黑客入侵，导致大量用户信息泄露;2019年3月，位于挪威的铝业巨头海德鲁公司遭受到了黑客组织的恶意网络攻击，导致超过20种的重要机密文件被恶意加密，无法使用，最终造成了超4000 万美元的经济损失;2019年6月，波音、空客等公司的大型飞机零件供应商ASCO也遭到了勒索病毒的攻击，导致该公司全世界范围内的多家企业的运营陷入瘫痪。因此，网络攻击、数据泄露等工业互联网安全问题将影响国家经济乃至国家总体安全[2]。

数据资源商业价值凸显以及工业互联网的互通互联、开放和共享，使得工业数据面临的攻击面极大拓展，针对数据的攻击、窃取、滥用和劫持等活动持续泛滥。而工业互联网数据一旦遭受攻击，会造成工艺信息泄露、商业信息泄露、保密信息泄露、产品质量下降、生产线停转等后果，这类针对数据信息的攻击轻则会对工业企业的正常生产运行造成影响，重则还会造成重大安全生产事故，给人民生命财产造成严重损失。更为甚者，一旦能源、航空航天等重要领域的工业数据信息安全遭到攻击，还将对国家总体安全造成危害，产生不可挽回的严重后果。所以，保证工业互联网的数据信息安全，是关系到工业互联网系统顺利、快速发展的关键因素之一[3]。

工业互联网数据特点及安全风险分析

伴随着世界多极化、经济全球化、社会信息化的大潮，数据及其流动成为第四次工业革命的关键支撑，智慧工厂作为一个衍生自工业互联网的智能生产模式，其生产技术核心便是数据信息驱动下的智能生产，而该项核心技术的基础便是全面的数据信息互联。因此，工业互联网数据价值越来越凸显，工业互联网中产生的数据，贯穿于工业的设计、工艺、生产、管理、服务等各个环节，分为现场设备数据、应用系统数据、知识库数据、用户个人数据、企业数据等。工业互联网中数据与互联网中数据存在较大区别：在工业互联网中，数据采集环节由机器人、智能传感器等智能设备完成，工厂与企业内外、信息系统与生产系统的互联互通使工业数据的连接与传输，数据的存储、技术和处理在工厂/企业内外的云端进行。因此，不同于传统互联网中数据信息的小数据量、单一种类、单项传输等特点，在工业互联网中进行双向交互的大量信息，具有数据量大、信息种类丰富、数据结构复杂、数据间关联性强、数据开放程度高、安全需求高等特点，同时一部分数据信息会在工厂内外、 IT层和OT层进行双向交互与共享[4-5]。

在工业生产中，数据信息的安全威胁会位于工业数据采集的各个环节，例如数据采集、传输、存储、处理、共享等，并且不同威胁的成因相对复杂，同时相互交织。在数据传输的环节中，由于遭到攻击，导致流动共享的数据的传输中断，进而造成工业重要敏感数据被截获、篡改、伪造等严重后果;在存储环节中，由于工业数据存储介质的多样性、存储属地的分散性、访问人员的复杂性，会导致数据泄露等问题的出现。其中，工业互联网数据安全风险源于技术漏洞、管理缺位和政策法规的不完善，渗透于数据全生命周期，已经成为工业互联网安全发展中一个重大的难题。在当前的发展环境下，关于工业互联网数据信息安全的风险可以分为几个方面。

一是海量工业数据种类繁多且流动方向和路径复杂，导致保障工业互联网中数据安全的难度变大。在工业互联网中，由于数据信息种类繁多，其对安全防护需求等级也不同，导致开展分类分级困难，难以开展差异化分级防护。

二是工业数据全生命周期过程中涉及的硬件故障、软件脆弱性、网络拓扑结果等各方面因素会使工业数据面临极大的安全风险。工业现场的恶劣环境增加了硬件故障的可能，以及工业SCADA、DCS、PLC等系统中的软件脆弱性会存在可供攻击的诸多漏洞，处理不当会造成数据丢失。

三是大数据分析等技术催生工业数据保护价值。例如，通过使用大数据分析的手段，可以利用原始抓取的相关数据信息计算分析得出一些关键信息，如工艺、导弹射程等信息;基于工业互联网的发展，工厂外的一些个性化定制服务也随之产生，由于这些服务商不隶属于工厂，同时定制化服务又会涉及到大量的用户隐私数据，便会大大增加这些隐私数据泄露的风险。

四是外部攻击威胁加剧工业数据安全风险。一方面，工业互联网攻击对象范围扩大，攻击对象包括工业设备、终端、软硬件等，都有可能成为对工业数据进行篡改和窃取的入口，网络安全和生产安全交织，危害更严重;另一方面，攻击手段更加多样化、智能化。利用人工智能、大数据分析等技术可以对工业原始数据进行推理学习，造成工艺信息泄露、商业信息泄露、保密信息泄露等安全风险。

工业互联网数据面临来自内部和外部的安全风险，构建工业数据的安全保障体系成为建设和发展工业互联网的迫切需求。

工业互联网数据安全关键技术

工业互联网数据安全技术架构如图1所示，该架构主要包括数据安全管理、数据安全防护、数据安全监测等方面的技术，同时各类数据安全技术需要深度数据包安全检测(DPI)、大数据技术等基础通用技术的支撑。保障工业互联网数据信息安全，需要综合考虑工业数据的产生、传输、存储、处理、使用及销毁等全生命周期的安全问题，采取相应的安全防护技术手段，防止数据被泄露和篡改，主要技术手段包括接入认证、访问控制、权限管理、网络隔离、数据加密、数据脱敏、数据备份和恢复等，根据数据生命周期不同阶段面临安全威胁的不同，采取不同的数据安全技术进行保护[6-7]。

在工业数据采集阶段，需要保证数据的完整性、准确性和机密性。海量工业数据种类繁多，数据格式和接口各异，工业数据采集阶段需要数据清洗和转换等环节，存在数据被攻击者窃取的安全风险;工业数据采集应以灵活的接口策略实现API多样性和数据格式的统一，防止数据被伪造和篡改。同时，工业互联网设备网络协议多种多样并存在大量漏洞，增加了终端感染病毒、木马或恶意代码入侵的渠道，增加了网络层的导致数据不能安全传输的安全风险。

在工业互联网数据传输阶段，需要考虑传输主体及节点的身份鉴别和认证，对于工业互联网接入设备进行安全认证，建立身份基线并进行审批，实现工业互联网设备的仿冒攻击防护，从网络层和应用层来实现工业互联网设备的通信协议管控。工业场景中存在网络安全隔离和数据互通的双重需求，工业数据交换过程中存在数据滥用和泄露的安全风险，需要对重要、敏感的工业数据的交换操作进行监控，提供文件格式检查、数据加密、交换审计等安全防护措施。

在工业互联网数据存储阶段，需要定制工业数据存储安全策略，考虑工业数据的存储架构，数据存储加密、数据备份和恢复等相关问题。工业云平台汇集海量数据资源，易造成非授权数据访问或假冒合法用户访问的行为，存在工业数据丢失、篡改或者泄露风险。工业大数据平台需建立统一的数据权限管理机制，结合访问控制、用户身份认证和鉴别等手段实现工业数据存储的访问权限管理，需要保证不同用户不可以直接对不同安全域之间的数据进行访问，避免存储节点的非授权接入，同时避免对虚拟化环境数据的非授权访问。根据工业互联网数据的分类分级，采用分级加密存储措施，包括单密钥和多秘钥等多种加密方式。针对关键业务数据和用户个人信息等重要、敏感数据，不仅需要防泄漏、丢失和篡改，还要进行工业数据备份，以确保当发生数据丢失时通过备份的数据进行恢复，保证工业应用系统的业务数据安全及系统服务的连续性。

在工业互联网数据处理使用阶段，要求对工业数据的访问用户进行访问控制和权限管理，重要、敏感的数据服务要进行可信数字证书、生物识别等多因素身份认证。由于工业数据关联性较强，存在很多敏感隐私数据，在处理使用工业互联网中某些生产、运营、销售等敏感信息时，需要通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。同时，对工业数据操作日志进行记录，对数据滥用进行有效识别、监控和预警，实现数据处理使用过程的数据溯源和审计。

在工业互联网数据信息安全的保障体系中，敏感工业数据信息销毁环节的安全保障也是一项极为重要的工作。冗余的工业数据占据了大量的数据存储资源，提高数据存储成本的同时也降低了工业应用的服务效率，工业数据销毁需要采用科学的销毁方式，包括数据存储介质的销毁、数据逻辑销毁等方式。此外，应当建立完善的工业互联网数据销毁的安全管理规范，包括审批及记录等流程，防止工业数据销毁不当带来的数据丢失和泄露的风险。

结束语

数据安全是信息系统安全的关键环节之一。与传统互联网数据安全相比，工业互联网数据安全具备相应的工业特征，需要针对数据生命周期的不同阶段，应用相关的数据安全解决方案来应对工业互联网数据安全威胁，从而保证工业互联网的数据安全。随着5G技术、人工智能等新型信息技术不断更新及在工业互联网中应用实践，工业互联网数据安全技术将迎来新的挑战。因此，积极发展相应的数据安全技术，同时将新型信息技术应用于未来的工业互联网数据安全技术中，提升系统的安全防护能力，对于新出现的安全威胁做出快速合理的针对性防御，才能够保障工业互联网的正常稳定运行。

标签： 数据结构