前言

　　1993年考大学时，为了毕业后留在大城市，我毅然决然地第一志愿报了北京科技大学的王牌（冷门）专业钢铁冶金。学习了六年半时间，拿到硕士学位，却一不小心进入了网络空间安全行业（后面简称网络安全）。直到2022年，我又回归到为工业企业服务。刚开始在工业企业里说安全，其间出了一个笑话。我请钢铁行业老同学介绍去某省的钢铁企业拜访，刚交流一会儿，发现有点不对路。介绍各自身份时才知道，企业大领导一听说搞安全的很重视，专门安排了搞生产安全的部门负责人接待。等了解了是网络安全，安排给信息中心兼职安全的一位科长，最终交流的结果是替老东家的安全产品续上了维保服务。

　　这些年网络安全的传统优势客户政府、金融和运营商各自受到大环境的影响，又卷又被砍预算。相反，中国已经成为工业强国，要么如同电力、油气行业科技投入巨大遥遥领先，要么如同汽车、钢铁走出国门奔向海外。很多网络安全同仁开始重视工业企业客户了。但遇到最大的一个问题就是，你我说的安全根本不是同一个概念，得到礼貌的接待，被客客气气地送走。

　　四年多的工作，如同又上了一个本科，这里用一文说清楚工业企业安全怎么解读。

　　工业企业的安全分类

　　自己体会，工业企业的安全通常分为三类：生产安全、设备安全和网络安全。当然工业企业也是千行百业，为了不班门弄斧，我尽量用钢铁行业来举例说明。

　　生产安全比较好理解。在钢铁行业，通常分为长流程企业和短流程企业，如果有高炉炼铁和转炉炼钢的就是长流程，而电炉的通常就是短流程。钢铁企业生产是有确定的工艺和严格的工序来组成生产流程，如果违反了这中间的流程，就是生产安全关注的范围。所以，造成生产安全的主要原因是内部人员的违规。典型的例子就是无论是转炉炼钢还是电炉炼钢，一个重要原料就是回收的废钢。而废钢入炉前一定要把水分烘干，如果违反了规定，把湿废钢加到高温钢包炉中，可想而知，那就是爆炸事故。另外一个典型的特点是钢铁厂是有很多危险区域的，比如高炉出铁口、转炉钢包撇渣处、钢水转运天车下方，这些地方是严禁人员在现场的，一旦出问题就是人员伤亡。所以，生产安全主要防范的对象是人，我们这个过程称为安全运行。安全运行的第一责任部门就是生产部门，领导是高炉炉长、炼钢厂厂长、轧钢车间主任等等。

　　设备安全对于工业企业来说也好理解。工业企业中随处可见各种机械装备、动力设备、环保装置、仪器仪表以及自动化控制等大大小小的设备。这些设备通常都有强制的国家标准要求，严格的功能安全设计和检测、现场安装运行检验以及对应的维护检修的材料和指导书。设备安全的主要问题是随着工业现场环境的长期运行，设备本身因为物理、化学等因素，会产生磨损、腐蚀、破裂等问题，导致功能失效、瘫痪和使用寿命到期，仪器仪表会出现测量不准，自动化控制延迟等现象，因此设备安全的主要关注对象是物，这个过程我们称为安全运维。安全运维的第一责任部门通常是设备部，领导是设备部部长、检修组组长。

　　设备安全往往会影响生产安全，典型例子就是前段时间发生的某大型钢铁企业板材厂饱和水蒸气球罐爆炸事故。该事故最终造成10人死亡、84人受伤，直接经济损失6723万元，共计62名相关人员被追责问责。事故的直接原因是设备损伤与应急处置不当共同作用的结果，但调查报告同时指出了导致这起事故的一系列深层次、系统性的间接原因：

　　1.设计制造缺陷：涉事的饱和水蒸气球罐存在设计先天不足和制造缺陷。

　　2.检验检测不规范：负责定期检验的特种设备检验研究院在检验工作中存在不规范的问题，未能及时发现罐体的严重损伤。

　　3.安全管理混乱：事故发生厂及其实际管理单位在日常维护保养上不到位，安全管理存在严重漏洞。集团对下属企业的安全生产管控不力。

　　4.监管履职不力：市区两级的党委、政府及相关监管部门（市场监督管理局、应急管理局等）未能有效履行安全监管职责。

　　网络安全是工业企业从传统工业化时代走向信息化过程中产生的问题。对于工业企业来说通常有两个网络，一是集团办公网，有互联网边界出口和网络路由、交换设备，有IT机房或托管在云上，也有大量的办公终端，运行的协议是标准的TCP/IP协议。这个和政府、软件企业本质上没有区别，不管是网络通信安全、服务器（云）安全、终端安全、数据安全都是需要关注的方面，防范的对象既有来自互联网的人（入侵者）也有内部人员、外包人员的违规操作，我们现在称为安全运营。在工业企业中负责安全运营的通常是集团信息中心的安全部门，领导者通常叫CISO（首席安全官）。第二个网络是生产网，生产网过去是办公网通常是物理隔离的。生产网有工业交换机、工业主机、自动化控制（PLC、DCS）以及带有IP的传感设备、视频监控摄像头等等，运行的协议多数是特殊的工业协议，常见的如现场总线协议 PROFIBUS、 工业以太网协议 Modbus TCP、 过程控制与SCADA协议OPC和MQTT等等。这里面的安全通常称为工控安全或者物联网安全，防范的对象以内部人员或临时入场人员为主，负责人往往是由具体生产厂区的自动化部担任。

　　随着钢铁企业产销联动和工业互联网的推进，生产网和办公网之间开始有了数据交换甚至通过5G、工业无线协议等把两个网络打通了。这样，生产网也面临了来自互联网的攻击风险。钢铁行业最典型案例就是伊朗Khouzestan钢铁厂被黑客入侵，导致连铸车间钢包回转台重型机械出现故障引发了漏钢事故，被迫停产。详细文章请见2022年8月24日《中国冶金报》的《为钢铁行业工控安全保驾护航》专访文章。

　　人们常说安全生产无小事，工业企业日常工作重心就是确保安全生产。但确保安全生产通常就要做好以上三类安全工作。过去，这三方面安全是分开的，随着数智化发展趋势，这三类安全也开始有了密切的关联关系。

　　对于生产安全来说，无论建立了多么完善的规章管理制度和检查措施，人始终是最大的不确定性因素。工业企业生产部门正通过引入现代科技，努力往智能工厂、少人（无人）车间方向发展，来实现替代人工消除最大的不确定性风险。这就必须部署新的智能设备如典型的工业机器人，或者对生产设备智能化改造，加装数字化传感器进行数据采集或视频监控，形成生产集控中心，便于生产部门领导进行统一调度指挥。这么一来，传统的设备安全压力就与日俱增。设备管理部门可能因为不掌握新的设备资产状况陷入管理盲区，也可能因为知识结构限制，很难短期内建立对新智能设备运行状态的了解，并在巡检和维护方面缺乏能力和经验，应急处置更加不及时。

　　智能设备引入除了增加设备的安全运维风险，同时因为要更好地实现智能化、数字化，网络连接变得更加广泛，边界越来越模糊，这样一来，资产风险暴露面也不断扩大。特别是近年来，以生成式大模型为代表的人工智能高速发展，挖掘IT、OT、CT的安全漏洞变得容易很多。不幸的是，攻击者更容易利用AI的优势，通过安全漏洞感知和修补的时间差打造出更多的攻击武器，发动更快更广的攻击。工业企业负责安全运营的部门通常是成本单元，本身就预算不足，人员短缺，疲于奔命，面对这样的形势更是雪上加霜。最典型的代表就是公安和工信部门发起的实网演练活动，工业企业往往是第一轮沦陷的单位。由于这些年工业企业成为国家经济发展和支撑国家国防力量的支柱，因此，工业企业的网络安全也上升到国家安全层面（比如有色冶金、特种钢铁），数据的失窃密问题被境外敌对势力重点关注，甚至在智能设备的芯片、存储中暗藏后门，一旦到了战时，就可以远程启动，对工业生产进行控制和打击。所以，这些年监管部门对于重要工业企业网络安全也是高度关注，通过修订法律法规和加大巡查力度要求工业企业提升安全防护力度，实现工业一体化安全运营的常态化运作。

　　安全从来就是一把手工程，只不过过去工业企业的领导最重视生产安全，轻视设备安全，忽视网络安全。在新的形势下，为了安全生产这个大目标，不能再把生产安全、设备安全和网络安全割裂开，要进行融合管理。因此，这些年的趋势是成立领导小组，组建数智化部门统筹发展和安全，无论是安全运行、安全运维还是安全运营，都要进入一把手日常工作的案头。

　　现实的困难是，这三类安全提供商是割裂的，生产安全通常是以前各个行业设计院，设备安全是设备制造商和自动化厂商，网络安全是传统的网络安全厂商或ICT集成商。同时，这三类安全的人才背后专业也是各不相同的，比如钢铁企业的生产部门往往是我的冶金院系师兄弟，而设备运维部门来自各工科院校的机械、自动化专业，搞安全运营的往往是学网络通信、计算机和软件专业，纯正的网络信息安全专业也是最近十年之内才开设的。不跨界是真的不懂，连交流都很困难。为了安全跨界融合是大趋势，需要一套新思路的安全解决方案。

　　工业企业的安全解决方案

　　AI和算力的高速发展，使得融合的安全解决方案变得有可能，也就是我们说的“用魔法打败魔法”。海叔这里提出一个工业安全金字塔模式，DMSA代表了面向AI时代的工作方法论，分别是数据（Data）、模型（Model）、场景（Scenario）的首字母缩写。这三者和智能体（AI agent）构成一个金字塔结构。

　　我国的工业应用场景是世界上最丰富的，但是细分下来，同类场景的体量也不是很大。所以需要将场景进行分类分级，优先解决最通用、最广泛的问题，这样商业前景最好，确保产业参与者获得良性可持续发展。因为工业发展本质是需要实验环境进行持续优化和可靠性验证的。可以利用仿真技术构建工业数字孪生场景和用于测试、验证的安全生产靶场底座，这样我们在现实世界的工业场景投入产出比才是最佳、最有安全保障的。

　　算法和大模型是语言、数理化这些基础学科的产物，正处在高速发展的黄金时代，并且在持续优化迭代，这一点不用担心。但这方面研制成本也不是工业企业能够承受的，直接用现在的成熟大模型就可以了。

　　数据才是工作的基础，不论是互联网、工业还是网络安全，没有数据一切都是空中楼阁。互联网由于数据获取的便利性，已经完成原始积累和数据治理，享受AI的第一波红利；网络安全由于开源盛行，与软件代码相关的数据并不缺，所以AI赋能网络安全发展得非常快；工业领域数据相对来说基础较差，工业化时代的条块分割导致数据多源采集、标准不统一和数据治理方法都有问题，要么数据不全，要么质量不行。这样的数据给AI训练，也会让AI变成人工智障。因此，形成高质量数据集是当务之急。

　　要形成高质量数据集，工业企业首先必须实现多源异构数据采集，实现应采尽采，同时建立自己的统一物模型来描述各种工业设备和流程关系，形成一张数字化设备资产关系图。同时，数据采集上来后也不是就往数据湖里一丢，工业数据的最大特点是有时序性和关系性，需要先进行时序数据治理，再结合数据连接、设备控制、生产工序关系，做时间序列分析和时间切片分析，这些分析对于发现生产安全、设备安全以及网络安全问题都是有帮助的，能够在第一时间让工业现场人员进行关注和应急处理。持续积累的高质量数据集留存到数据中枢，就是未来的高价值工业数据资产，这就是生产力的第五要素。

　　将持续积累的高质量数据集融入工业机理模型中不断训练和迭代，进行数模共振，形成适合场景的AI应用。同时对老师傅们的经验进行整合形成Skills，最后根据人的决策、操作和执行形成不同的工业AI智能体，自然也包括实现安全有序生产的智能体。到这个时候，我们才真正与AI时代相契合，让AI成为工业企业的最佳助推器。（作者：吴海民）