搜索引擎|数据勒索成工业网络最大威胁，企业如何做好工业数据安全管理？( 二 ) Google

首先，企业要通过数据分类分级识别敏感数据、重点数据。
由于工业企业应用场景丰富、业务环节复杂，产生了多样复杂、体量庞大的工业数据。若是企业都无差别的投入人力物力去加强保护，既不现实也不科学。而数据分类分级是做好数据安全工作最基础也是最重要的一项工作，更是一项工作量和实施难度都较大的工作，需要熟悉具体业务流程和数据使用的相关人员，按照标准规范进行科学分类、准确定级。
对于到底拥有哪些数据类型、哪些数据需要重点保护等，企业要做到“心中有数” ，识别出重要数据和核心数据，形成数据目录清单，真正掌握数据保护的重点对象有哪些、在哪儿、谁在用等情况。当数据分类分级尚未成为常规动作，才能对数据进行精细化安全管理和防护。

数据分级的方法与国内网络安全等级保护定级、关键信息基础设施识别认定等相关思路一脉相承，都是从遭破坏后造成的最大后果影响来界定。
对于工业数据分级，尤其还要关注数据对各类生产业务、工业经济、工业生产等方面造成的影响。例如，研发、生产、管理等各业务部门，应切实承担各自产生和收集的数据安全保护责任，同时研发域、生产域、管理域等数据各自归类，也能更好地实施分区分域和边界防护。

其次，加强数据全生命周期安全防护。
在数字经济、数字技术驱动下，工业企业数据的使用逐步从内网中延伸向企业外网、云平台等处流通应用，数据的流向、流动路径、存储位置、使用方式等都在发生新的变化，导致数据违规传输、非授权访问、云端数据大规模泄露等风险愈发严重。
与此同时，勒索攻击、撞库攻击等专门针对数据层面的攻击威胁愈演愈烈，数据非法收集、明文传输、恶意挖掘、滥采滥用、黑产交易、数据资产暴露等风险事件时有发生，因弱口令、漏洞、SQL 注入等网络安全问题导致的数据安全风险广泛存在。

因此，强化工业领域数据安全防护刻不容缓。例如，结合业务场景，积极建立完善数据安全风险监测、技术检测等技术手段，开展针对性的工业领域数据安全监测预警、风险信息报送等工作，加强事前防护；
重视提防外部窃取、攻击等风险，避免被黑客入侵攻击造成数据泄露等风险；
针对数据收集、存储、传输、提供等全生命周期各环节面临的风险隐患进行“对症下药” ，秉持“技管结合、动静相宜、分级防护”的原则综合施策，建立数据安全管理体系和防护策略。
对于工业领域数据，还应重点注意防护措施与其实时性、稳定性等需求相匹配，与业务安全进行紧耦合，并充分平衡数据安全、网络安全、功能安全、生产安全等关系。

再次，构建多方联动的数据安全应急处置机制。
工业领域数据安全事件的应急处置，涉及主管部门、工业数据处理者、科研机构、安全企业等多个相关方，既需要构建主管部门与工业数据处理者的纵向应急管理机制，也需要建立各相关方横向协同处置的工作机制，还需要形成从风险发现到研判分析再到响应处置的闭环流程体系。
例如，通过应急演练等方式，不断提升企业数据安全事件应急处置能力，建立完善感知快、研判快、处置快、消减快的工业企业数据安全事件快速反应体系，不断强化数据安全事件应急队伍的整体工作水平。

最后，由于政策向严，企业要做好数据安全评估。
如数据安全风险评估、出境评估、合规评估等，这一类评估工作往往会由主管部门组织制定评估制度和标准规范，明确评估要点。企业跟着政策走就可以了。