近些年來，隨著工業(yè)化和信息化的深度融合，以及智能制造、工業(yè)互聯(lián)網等國家戰(zhàn)略的持續(xù)推進，工業(yè)企業(yè)加速推動數字化轉型。由于工業(yè)控制網絡的特殊性，工業(yè)數據暴露面擴大、攻擊路徑增多，工業(yè)控制領域的數據安全威脅由局部風險引發(fā)到系統(tǒng)性風險。工控行業(yè)面臨的數據安全問題主要有：
1、工業(yè)領域覆蓋面廣，各領域數據類型、數據屬性不同，重要數據、核心數據分布不清，無法精準重點防護
2、工業(yè)業(yè)務流程復雜，工業(yè)數據跨系統(tǒng)跨區(qū)交互頻繁，傳輸接口多，存在安全防護盲區(qū)
3、敏感數據共享給工業(yè)互聯(lián)網平臺，若缺乏有效的安全防護措施，易引發(fā)數據泄露風險
4、工業(yè)數據直接關聯(lián)生產、供應鏈乃至國家安全，一旦發(fā)生篡改、泄露或破壞，可能導致設備停機、生產中斷甚至對國家安全造成安全威脅
構建覆蓋“采集—傳輸—使用—共享—銷毀”全生命周期的數據安全防護體系，利用審計、防護、脫敏、流轉管控等手段，支撐實現“可識別、可防護、可追溯、可管理”的工業(yè)數據安全目標：
1、通過對工控協(xié)議深度解析，識別出各種工業(yè)控制命令、機器狀態(tài)等重要參數，以分析各類數據安全風險
2、利用智能敏感數據識別、數據分類分級技術，對各類型的工業(yè)數據進行梳理和分類分級，明確安全防護策略
3、對企業(yè)級業(yè)務系統(tǒng)、生產控制業(yè)務系統(tǒng)中的數據庫、API接口等數據存儲、流通環(huán)節(jié)進行風險持續(xù)監(jiān)測
4、針對重要數據、核心數據共享、使用、運維等場景，采用權限管控、數據脫敏、水印溯源等手段精準防護
5、利用基于大數據、人工智能學習引擎技術，自動學習數據訪問行為并提取特征，生成適合當前工業(yè)控制網絡環(huán)境的數據安全模型，精準識別數據安全風險，以及數據安全態(tài)勢感知
1、工業(yè)控制實時數據庫（如IP21）的數據訪問行為的細粒度審計，分析并記錄風險操作，及時發(fā)現異常查詢、越權訪問或惡意注入等安全威脅
2、針對工業(yè)數據在企業(yè)內部的跨系統(tǒng)流動、共享等場景下權限管控、實時脫敏，確保流轉全過程的可控、可溯等
3、構建覆蓋全生命周期的整體數據安全體系，實現全局數據安全態(tài)勢感知與主動防御
對工控實時數據庫協(xié)議做指令級檢測與審計，為解決工業(yè)數據的安全問題提供技術基礎保障
支持多種工控實時數據庫，如IP21、Synabase、PI、Industrial SQL Server等
所有數據安全能力單元均可旁路部署，不改變現有網絡架構，不影響正常業(yè)務生產
