随便42014966
那么，在智能互联时代，企业究竟该如何做好工业大数据的安全防护呢?
工业大数据的独特之处
演讲中，陶耀东首先对工业大数据的特点进行了分析。他表示，从表面上来看，工业大数据并没有什么特别之处。但是，就数据和流程本身，工业大数据有自己的独特之处。
“不论是流程制造还是离散制造，任何工业领域都有非常强的专业性，如果数据分析师没有很强的专业背景几乎无从下手。”陶耀东在演讲中强调，“一般意义上的大数据要求数据量尽可能大，但工业大数据并不一味追求总量，但要求样本尽可能全面，并且还需要分析数据之间的物理逻辑关系。”
陶耀东认为，工业大数据具有四大显着特点：第一，工业大数据需要精准预测，一旦结果偏差较大，对制造过程本身影响非常大;第二，注重数据的全面性和实效性;第三，关注数据背后的物理逻辑和特征;第四，数据主要来源于工控设备的运转。
工业大数据的安全防护，任重而道远
企业该如何做好工业大数据的安全防护呢?对此，陶耀东在演讲中提出了以数据资产为核心，构建全生命周期的工业大数据安全防护思路，并且遵守数据采集最小化原则、使用授权最小化原则、责任不随数据转移原则、分级分类保护原则、受控审批原则和可审计原则，囊括数据采集安全、数据传输安全、数据存储安全、数据处理安全、数据交换安全和数据销毁安全等各个环节。
举个例子：在上文提到的车企数据泄露的案例中，所有数据泄露事件都指向了一家服务器提供商，这家公司为这些车企提供数据管理服务。研究人员发现，这家公司在使用远程数据同步工具rsync处理数据时，备份服务器没有限制使用者的IP地址，并且未设置身份验证等用户访问权限，因此任何人都能直接通过rsync访问备份服务器，这是导致事故发生的主要原因。
这是一次数据使用授权过大造成数据泄露的典型案例。未来随着工业互联网、大数据、物联网等技术的进一步发展，越来越多类似于第三方服务商需要获取访问权限，可以预见的是，工业大数据的安全任重而道远。
面向实战的大数据安全体系
陶耀东认为，在设计安全体系时，需要面向实战。实战就是解决问题，任何不能解决问题的方案，说句笑话就是耍流氓。对此，陶耀东提出了大数据安全体系设计四步战略：
第一步，摸清数据资产。想清楚自己有多少数据，数据存在哪里，重要级别如何，哪些数据是敏感数据。数据资产可见是整个安全策略的基础。
第二步，梳理数据使用。谁在使用数据，什么场景使用数据，用什么方法使用。如果有人在没有业务需求的场景下使用了数据，是否合规合法?
第三步，管控数据的风险。大量的风险来源于数据的使用和流动，那么怎么消除数据流动过程中的风险?脱敏、加密传输是否有效?风险真的消除了吗?
第四步，强化安全运营。数据在流动过程中一旦出现异常，就要针对解决，并且设置一个完整的应急响应体系，万一出现数据泄露，要吧损失控制在最小。尤其是要注意，工业大数据的处理对于人的依赖远比消费大数据要更强，因此企业需要更加重视人的运营。
工业大数据安全的新方案建议
基于以上大数据安全四步走战略，陶耀东针对工业大数据的特性提出了四点新建议：
第一，数据可视化。这里又分为三种：一是，数据的资产分布图，看清数据的分布;二是，数据的热力分布图，看清数据的价值;三是，数据资产流转图，看清数据的流转动向。
第二，用户行为分析。我们需要利用UEBA等技术，建立用户画像，从用户行为角度分析，是否是正常用户行为。
第三，隐私保护。在智能制造、网络化协同、个性化定制、服务化延伸等富含大量个人数据的行业将重点关注隐私和机密保护，采用数据脱敏、分级、分类等功能。
第四，伴随着云计算、物联网在工业领域的大规模应用，数据防泄漏技术将应用于特定的云基础设施和应用程序中, 同时在各个端点设备、移动设备、不同的云应用中使用统一的DLP策略。
此外，在当天的会议上，360企业安全在展区也展示了工业安全运营中心、工业安全网关、工控主机防护、工业安全审计等多款工业安全设备，提供涵盖设备安全、控制安全、网络安全和大数据安全的多层次安全防护能力。未来，360企业安全集团还将加大对技术研发和成果转化的支撑力度，建立与工业互联网发展相匹配的安全防护能力。
