（文章來源：OFweek）

為了降低勞動力成本，提高生產效率，傳統制造業開始自動化、智能化轉型。隨著智能工廠的普及，以工業大數據為核心的工業物聯網應用也逐漸發展起來。

制造業公司為了實現管理與控制的一體化，搭建起了一個可以將上中下游所有企業友商連接起來的工業控制網絡，數據通過工業物聯網平臺在不同公司之間流動，負責不同部分的企業可以看到當前的工作流程和制造環節，確定自己的工作內容，從而有效提升產能和效率。

舉個例子，有個專門制作椅子的工廠，現在只差最后一個椅子就能完成工作任務，但由于少了10米鋼材，椅子無法完成。如果是在過去，采購部門就必須要購買新的鋼材。可是對制造業來說，原材料肯定都是大批進貨，不可能只買一點。就算工廠想這么做，也很難會有鋼材提供商正好剩下10米鋼材可以賣給工廠。又或者有提供商正好剩下10米鋼材想賣出去，但雙方不知道對方的需求，結果兩家公司就錯過了一場雙贏的交易。最后，工廠只能重新大量進貨，提供商只能扔掉鋼材，這就造成了材料的浪費。

但是搭建工業物聯網以后，當工廠發出缺少10米鋼材的信息后，加入了該網絡的多家鋼材提供商就會實時收到消息，并重新確定自己的材料提供量。如果正好有提供商有10米、或是12米的鋼材，就可以馬上回饋給工廠，既能降低工廠的成本，還能給提供商增加收入。我們可以看出工業大數據的幾個特點。首先，工業大數據非常注重準確性和時效性，一旦出現較大的偏差，就會影響到制作過程。其次，就是數據背后的物理邏輯和特征。

只從表面來看，工業大數據似乎和其他大數據沒有什么差別。但其實在數據和流程方面，工業大數據都具有非常強的專業性。一般的大數據是要求數據量盡可能多、盡可能大，但工業大數據不僅要求多和大，還要求樣本要盡可能全面，同時還需要分析數據之間的物理邏輯關系。這就導致一個問題，如果負責工業物聯網的網絡安全專家沒有專業的工業背景，那對這些數據幾乎可以說是無從下手。

工業物聯網一側是連接上中下游所有企業的重要工業大數據，另一側是工業控制設備，可以說是真正地連通了網絡和現實。但需要注意的是，負責控制工業物聯網的工業主機，一般生命周期都比較長，操作系統也比較老舊，容易產生大量漏洞。同時由于工業生產連續性的特點，工業主機很難定期升級補丁，因此很容易成為不法分子的攻擊目標。

除了可能會出現數據文件失竊和篡改的問題，甚至還會直接影響到工業運行安全。比如本來當人碰到機械臂時，機械臂應該停下，但由于遭到入侵，機械臂沒有停下，這就可能導致工人受傷。伴隨著大數據在各個領域的大規模應用，相應的數據防泄漏技術與保護機制也需要快速搭建起來。

對提供大數據服務的企業來說，須知只有那些能堅守道德底線，不用技術作惡的企業才能得到消費者的長久支持。這方面Facebook就是最好的反面教材，數據泄露丑聞已成為其永遠無法磨滅的污點。同時，我們也呼吁有關部門能出臺更多法律法規，來保護用戶隱私與企業財產不受到侵害。

最后，引用一下馬克·扎克伯格去年接受媒體采訪時說的話，來警示那些喜歡拿用戶數據來做不法用途的企業：“我們有責任保護你們的數據，如果我們不能，就不配為你們服務。”

（責任編輯：fqj）