T∕CSAS 0024-2025 工业互联网数据分类分级要求

ICS35.020CCSL70T/CSAS团体标准Requirementsforclassificationandgradingofindustrialinternetdata2025-11-28发布四川省网络空间安全协会发布IT/CSAS0024—2025前言 2规范性引用文件 13术语和定义 4缩略语 5工业互联网数据概述 5.1工业互联网数据定义 5.2工业互联网数据范围 5.3工业互联网数据形态 5.4工业互联网数据分类分级基本原则 6工业互联网数据分类规则 6.1工业互联网数据分类框架 76.2工业互联网数据分类方法 77工业互联网数据分级规则 7.1工业互联网数据分级框架 97.2工业互联网数据分级方法 97.3工业互联网数据分级要素 7.4工业互联网数据影响分析 7.5工业互联网数据级别确定规则 7.6综合确定工业互联网数据级别 8工业互联网数据分类分级流程 8.1总体流程 8.2典型案例 附录A（资料性）工业互联网数据分类分级动态更新情况参考 A.1动态更新常见情形 A.2定量分级要素参考 附录B（资料性）工业互联网数据安全保护措施参考 14B.1安全防护措施 14B.2针对工业协议、实时数据流、边缘计算场景的识别与保护措施建议 参考文献 T/CSAS0024—2025本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由四川省网络空间安全协会提出并归口。本文件起草单位：四川大学、成都墨甲信息科技有限公司、成都久信信息技术股份有限公司、东方电气中能工控网络安全技术（成都）有限责任公司、成都理工大学、全域数据信息安全重点联合实验室西南实验室。本文件主要起草人：李贝贝、邵泽瑞、李佳琦、肖黎彬、张意、李林静、杨彦兵、任重、张宇、赵东、多滨、余展、赖一阳、吴明瀚（排名不分先后）。T/CSAS0024—2025工业互联网数据具有类型多样、来源广泛、结构复杂等特征，为提升数据管理水平和安全保障能力，亟需构建统一、规范的工业互联网数据分类分级要求。本文件提出了工业互联网数据分类分级的要求和方法，明确了先分类后分级的技术路径，并依据数据类别和等级，指导采取相应的数据安全保护措施。本文件旨在为工业领域主管部门和数据处理者开展数据分类分级工作提供参考，构建科学合理的分类分级体系，为实现数据的分级保护和差异化管理奠定基础。1T/CSAS0024—2025工业互联网数据分类分级要求本文件规定了工业互联网数据分类分级的原则、框架、方法和流程，给出了工业互联网重要数据识别指南。本文件适用于工业领域主管（监管）部门参考制定工业互联网领域数据分类分级标准规范，也适用于各地区、各部门开展工业互联网数据分类分级工作，同时为工业互联网数据处理者进行工业互联网数据分类分级提供参考。本文件不适用于涉及国家秘密的工业互联网数据。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T5271—2000信息技术词汇GB/T25069—2022信息安全技术术语GB/T35274—2023数据安全技术大数据服务安全能力要求GB/T35295—2017信息技术大数据术语GB/T37964—2019信息安全技术个人信息去标识化指南GB/T37980—2019信息安全技术工业控制系统安全检查指南GB/T41479—2022信息安全技术网络数据处理安全要求GB/T43697—2024数据安全技术数据分类分级规则T/CSAS0001—2025数据生命周期安全参考框架3术语和定义下列术语和定义适用于本文件。3.1识别identification在一个特定域中辨认出一个实体区别于其他实体的过程。[来源：GB/T25069—2022，3.549]3.2数据data任何以电子或者其他方式对信息的记录。[来源：GB/T43697—2024，3.1]3.3数据安全datasecurity通过采取必要措施，确保数据处于有效保护和合法利用的状态，以及具备保障持续安全状态的能力。[来源：GB/T35274—2023，3.17]3.4一般数据generaldata核心数据、重要数据之外的其他数据。[来源：GB/T43697—2022，3.4]2T/CSAS0024—20253.5重要数据keydata特定领域、特定群体、特定区域或达到一定精度和规模的，一旦被泄露或篡改、损毁，可能直接危害国家安全、经济运行、社会稳定、公共健康和安全的数据。[来源：GB/T43697—2024，3.2]3.6核心数据coredata对领域、群体、区域具有较高覆盖度或达到较高精度、较大规模、一定深度的，一旦被非法使用或共享，可能直接影响政治安全的重要数据。[来源：GB/T43697—2024，3.3]3.7工业数据处理者industrialdataprocessor在工业数据处理活动中自主决定数据处理目的和处理方式，并对工业生产、运营或相关流程中的数据进行收集、存储、使用、加工、传输、提供、公开等承担数据安全主体责任的组织或个人。3.8数据分类dataclassification根据数据的属性或特征，将其按一定的原则和方法进行区分和归类，并建立起一定的分类体系和排列顺序的过程。[来源：GB/T38667—2020，3.3，有修改：“大数据”修改为“数据”]3.9数据分级datagrading以数据分类为基础，采用规范、明确的方法区分数据的重要性和敏感度差异，并确定数据级别。4缩略语下列缩略语适用于本文件。GDPR：通用数据保护条例（GeneralDataProtectionRegulation）HIPAA：健康保险携带与责任法案（HealthInsurancePortabilityandAccountabilityAct）PLC：可编程逻辑控制器（ProgrammableLogicController）DCS：分布式控制系统（DistributedControlSystem）XML：可扩展标记语言（ExtensibleMarkupLanguage）JSON：JavaScript对象标记法（JavaScriptObjectNotation）CSV：逗号分隔值（Comma-SeparatedValues）OPCUA：开放平台通信统一架构（OpenPlatformCommunicationsUnifiedArchitecture）MQTT：消息队列遥测传输（MessageQueuingTelemetryTransport）HTTP：超文本传输协议（HypertextTransferProtocol）ERP：企业资源计划（EnterpriseResourcePlanning）CRM：客户关系管理（CustomerRelationshipManagement）MES：制造执行系统（ManufacturingExecutionSystem）TLS1.3：传输层安全协议第1.3版（TransportLayerSecurityversion1.3）SM4：国家商用分组密码算法SM4（SM4BlockCipherAlgorithm）ABAC：基于属性的访问控制（Attribute-BasedAccessControl）3T/CSAS0024—20255工业互联网数据概述5.1工业互联网数据定义工业互联网数据是指在工业互联网环境中，通过设备、传感器、系统、平台和应用程序生成、收集、传输、存储和处理等各种类型数据，这些数据用于优化制造流程、提高生产效率、提升产品质量、实现智能化管理和决策支持。a)工业互联网数据主要涵盖设备数据、生产数据、控制数据、环境数据、管理数据、网络与通信数据等方面；b)工业互联网数据与其他领域（如金融、医疗、交通等）数据之间的联系与区别：1)数据来源多样性的相似性：各领域均涉及设备、传感器、系统、用户行为和环境等，部分数据在结构上具有相似性，如工业传感器数据与智能家居传感器数据；2)数据处理技术的相似性：普遍依赖大数据、人工智能、机器学习和云计算，实现采集、传输、存储与分析；3)数据价值挖掘的相似性：均通过数据分析支撑决策、优化流程、预测趋势和提升效益，区别在于应用目标不同；4)数据类型和特征的差异：工业互联网数据更强调与物理世界相关的实时性、高频率和大规模；金融数据注重交易与行情，医疗数据注重准确性与合规性；5)数据应用场景的差异：工业互联网主要用于智能制造、预测性维护、供应链优化等；金融、医疗、交通等领域则分别用于风险控制、诊疗、调度等；6)数据采集和处理方式的差异：工业数据通过嵌入式设备与传感器获取，常需边缘计算实现实时响应；在其他领域更依赖集中式系统，如交易平台或医院信息系统；7)数据隐私和安全性要求的差异：工业互联网重视网络与控制安全，防止生产受损；金融与医疗更强调隐私保护与法规合规，如GDPR、HIPAA等；8)数据的实时性和可靠性差异：工业互联网要求极高实时性与稳定性，延迟或丢失可能导致停产；其他领域的实时性要求因业务不同而异。5.2工业互联网数据范围工业互联网数据是指在工业互联网环境中，为优化生产流程、提高效率、降低成本和提升产品质量而生成、采集、传输、存储和分析的各种类型的数据。这些数据涉及整个工业生产和业务管理的各个环节，主要可以分为以下几大类及其具体范围：a)研发设计数据：在产品设计和工程研发阶段产生的数据，对于产品的创新设计、性能优化和制造可行性分析至关重要。包括：1)产品设计图纸：涵盖2D工程图、3D建模文件、装配图等，用于产品结构设计、功能验证和制造工艺规划；2)仿真模型和分析数据：包括有限元分析、计算流体力学、电磁仿真等工程仿真数据，支持产品性能评估、结构优化和故障预测；3)工艺参数与设计规范：包含材料选择、热处理参数、表面处理要求、公差标准等设计工艺数据，为后续制造过程提供技术支持；4)产品物料清单：记录产品所需零部件、材料规格、供应商信息及装配关系，确保设计数据与生产过程的协同一致性；5)研发实验与测试数据：涵盖产品研发过程中进行的实验测试数据，如物理性能测试、耐久性试验、环境适应性测试等，确保产品符合设计预期。b)生产数据：与制造和生产过程直接相关的数据，涵盖了从原材料到成品的各个环节。包括：1)生产计划：包括生产订单、生产排程、产能规划等信息，决定了何时、何地、以什么顺序生产哪些产品；2)工艺参数：具体的制造工艺和操作条件，如温度、压力、转速、切割速度、加工深度等，通常由操作员设定或工艺工程师规划，用于控制生产过程；3)生产进度：实时的生产执行数据，包括当前生产任务的状态、各个生产环节的完成情况、设备的运行状态等；4T/CSAS0024—20254)产品质量检测数据：生产过程中和产品完成后的质量检查数据，包括尺寸测量、外观检测、功能测试、故障分析、缺陷统计等，用于确保产品符合质量标准；5)物料消耗和库存数据：跟踪生产过程中原材料、零部件和成品的消耗和库存状态。c)设备数据：来自工业设备和机器的运行数据，包括：1)设备运行状态：设备的实时状态信息，如开机、待机、停止、故障等；2)设备健康数据：如振动、温度、电流、转速等传感器数据，用于监测设备健康状况；3)故障和维护数据：设备故障记录、维修历史、故障类型、维护计划、备件更换记录等；4)使用寿命数据：设备的使用时长、使用频率、剩余寿命预测等信息。d)环境数据：指生产环境中的各种条件数据，如：1)温度和湿度数据：反映生产车间、仓库等环境的温度、湿度情况；2)空气质量数据：包括车间内的粉尘浓度、气体排放量、有害物质浓度等；3)噪声和振动数据：工厂车间内的噪声级别、振动频率和强度等，用于监控环境条件是否符合标准。e)控制数据：指用于控制和监控生产过程的实时数据，包括：1)过程控制数据：如PLC或DCS发送的控制指令、操作信号、反馈信号等；2)自动化系统数据：包括机器人操作指令、自动化生产线控制数据等；3)监控报警数据：系统和设备的报警记录、告警原因、报警响应和处理记录。f)业务运营数据：涉及与企业日常经营和供应链管理相关的数据，包括：1)订单和销售数据：客户订单信息、销售预测、产品交付状态等；2)供应链数据：供应商信息、采购数据、物流跟踪、运输状态、库存水平等；3)客户需求和反馈数据：客户的反馈、投诉、满意度调查结果等。g)操作交互数据：指操作人员与设备、系统交互产生的数据，包括：1)操作日志：操作员使用设备和系统的记录，包含操作时间、操作内容、操作结果等；2)用户反馈数据：用户在使用系统时产生的意见和建议、故障报告等；3)培训数据：操作员培训过程和结果数据，包括培训材料、考试成绩、技能评估等。h)历史数据：指长期积累的所有类型的数据，通常用于分析和决策支持。包括：1)生产历史数据：长期生产计划、工艺参数、质量检测、产量和效率等数据；2)维护历史数据：设备维护记录、故障历史、备件更换记录等；3)趋势分析数据：各种生产和业务指标的历史趋势，用于预测和优化。i)安全数据：在数据采集、传输、存储和处理过程中，为保障数据的完整性和可用性而生成的数据。包括：1)访问控制数据：用户权限、身份验证记录、访问日志等；2)数据加密信息：加密算法、密钥信息、加密数据存储等信息；3)入侵检测和防护数据：检测和响应网络攻击、数据泄露等安全事件的数据。j)数据标准和互操作性数据：为保证不同系统、设备和平台间数据兼容性和互操作性而存在：1)数据格式标准：XML、JSON、CSV等不同数据交换格式的定义和使用；2)通信协议数据：如OPCUA、MQTT、HTTP等通信协议的数据。5.3工业互联网数据形态5.3.1数据形态分类工业互联网数据在形态上可以根据其生成方式、存储方式以及数据类型进行分类。不同的数据形态在数据分析、处理、存储和应用中有着不同的特点和用途。以下是工业互联网数据的几种主要形态的详细介绍。5.3.2按数据生成和存储方式分类工业互联网数据形态按数据生成和存储方式进行分类，如下所示：a)静态数据：以固定格式存储在数据库或文件系统中的数据，这些数据不经常变化，通常包括历史记录、配置数据、参考数据等。特点如下：1)长期保存，数据通常存储在数据库、数据仓库或文件系统中，适合长期存储；5T/CSAS0024—20252)低频更新，数据更新不频繁，例如每小时、每日或更长时间间隔更新一次；3)可重复访问，静态数据可多次访问，用于生成报告、分析历史趋势或制定策略。b)动态数据：在生产和运营过程中实时生成和不断变化的数据，这些数据通常以流的形式存在，具备明显的时间顺序特性。特点如下：1)实时性强，动态数据往往需要实时采集、处理和分析，以快速响应现场情况；2)高频率生成，数据生成和变化速度快，如传感器每秒产生的数据流；3)具备时序特性，数据在时间维度上具有严格的顺序性，反映随时间变化的趋势和模式，属于典型的时序数据类型；4)短期保存，通常不做长期存储，除非用于特定目的（如故障追溯、行为分析等）。5.3.3按数据内容和表现形式分类工业互联网数据形态按数据内容和表现形式进行分类，如下所示：a)文字数据：以字符、字符串或文本形式存储和传输的数据。特点如下：1)结构化和非结构化：可以是结构化的（如数据库中的字段）或非结构化的（如日志文件中的文字）；2)易于存储和索引，通常存储在关系数据库、文本文件、日志文件中，易于检索和分析。b)数值数据：以数字形式表示的定量数据。特点如下：1)精确性和可计算性：数值数据适合进行各种数学计算和统计分析；2)常用于监控和控制：在工业互联网中，数值数据常用于设备状态监控和过程控制。示例：设备温度、压力、流量、电压等传感器数据，生产c)图像数据：以图像格式（如JPEG、PNG、BMP等）存储和传输的视觉数据。特点如下：1)数据量大：图像数据通常体积较大，需要更多的存储空间和带宽；示例：生产线上产品的外观照片、红外热成像监控d)视频数据：以视频文件（如MP4、AVI、MOV等格式）存储和传输的连续图像数据流。特点如下：1)高数据量和高带宽需求：视频数据占用的存储空间和传输带宽非常大；e)表格数据：以行列形式组织的数据，通常用于结构化表示信息。特点如下：1)结构化和格式化：数据格式有明确的结构，易于理解和处理；2)适合存储在关系数据库中：适合用来进行统计分析、查询和报表生成。5.3.4按数据模态分类工业互联网数据形态按数据模态进行分类，如下所示：a)单模态数据：具有单一形式或类型的数据，如纯文字、纯数值、纯图像等。特点是易于处理和分析，但只能反映问题的某一个方面；），b)多模态数据：同时包含多种类型或形式的数据，如结合文字、数值、图像、音频等不同形式的数据；特点如下：1)综合性强：能从多个角度反映问题，有助于多维度分析；2)处理复杂性高：需要结合多种技术（如6T/CSAS0024—20255.4工业互联网数据分类分级基本原则5.4.1工业互联网数据分类分级基本原则工业互联网数据分类分级基本原则如下所示：a)数据重要性评估：根据数据对业务的关键性进行评估。工业互联网中的数据通常包括生产数据、设备状态数据、维护记录等，这些数据的分类分级应考虑其对生产流程、设备安全、业务运营的影响；b)数据敏感性识别：识别数据的敏感性级别。工业互联网中，数据的敏感性涉及对生产安全和合规性的重要性。例如，涉及生产配方、操作参数的数据可能具有较高的敏感性；c)数据保护需求：根据数据的分类分级确定保护措施。高等级的数据需要更严格的访问控制、加密、审计等安全措施；d)合规要求：遵循相关法规和标准，例如《中华人民共和国网络安全法》等，应确保数据分类分级符合国家和行业的合规要求；e)动态调整：随着业务需求和安全威胁的变化，应及时调整数据的分类分级，以保持数据管理的有效性和灵活性；f)数据生命周期管理：在数据的整个生命周期内，包括数据收集、存储、使用、加工、传输、提供、公开等阶段，应确保适当的分类分级和保护措施。5.4.2网络数据分类分级基本原则网络数据分类分级基本原则如下所示：a)数据价值分析：网络数据分类分级侧重于数据的商业价值和对组织运营的影响。对比工业互联网数据，网络数据的分类可能更侧重于信息的业务价值，如用户数据、市场分析数据等；b)数据安全性：网络数据的分类分级主要依据数据的安全性需求，如防止泄露、篡改和丢失，应确保信息安全；c)法律法规遵循：网络数据分类分级需要遵循《中华人民共和国数据安全法》等法律法规，应确保数据处理符合法律要求；d)用户隐私保护：对于涉及个人信息的网络数据，分类分级要求强调用户隐私保护，确保个人数据的合法、透明和安全使用；e)风险管理：网络数据分类分级过程中，应评估数据泄露、丢失、滥用等风险，并采取相应的风险防控措施。5.4.3两者的联系与区别工业互联网数据分类分级的基本原则与网络数据分类分级的基本原则有很多相似之处，但也存在一些独特的差异。a)联系：1)都涉及数据的分类和分级，以确定不同级别的数据保护需求；2)都需要遵循相关的法律法规和标准；3)都注重数据的敏感性和重要性，以决定保护措施。1)工业互联网数据分类分级更侧重于生产数据的合规性与业务影响，突出生产安全和设备运行的可靠性；2)网络数据分类分级则更多关注商业价值、用户隐私保护以及网络信息安全。综上所述，虽然工业互联网数据分类分级和网络数据分类分级在基本原则上有许多相似之处，但它们在具体应用和重点领域上有所不同。工业互联网数据分类分级更侧重于生产和设备相关的数据保护，而网络数据分类分级则更注重商业信息和用户隐私的保护。7T/CSAS0024—20256工业互联网数据分类规则6.1工业互联网数据分类框架数据分类应遵循“区域优先、业务属性细化”的原则。按照数据区域领域，分为生产大区数据、信息大区数据、互联网大区数据。工业互联网数据分类框架见图1。图1工业互联网数据分类框架各行业各领域主管（监管）部门根据本行业本领域业务属性，对本行业领域数据进行细化分类。常见业务属性包括但不限于：a)业务领域：按照业务范围、业务种类或业务功能进行细化分类。涵盖从生产制造到企业运营管理，再到与外部互联网交互的广泛业务领域，包括但不限于生产管理、财务管理、市场营销、设备监控、客户服务等。例如生产线实时监控数据、财务管理系统数据、营销平台交易记录、客户反馈分析数据；b)责任部门：按照数据管理部门或职责分工进行细化分类。涉及多个部门，包括生产部、财务部、市场部、人力资源部、质量控制部、信息部、客户服务部等，每个部门负责其业务领域内数据的收集、处理和管理。如生产部负责生产线数据，信息部负责企业信息系统数据，市场部负责市场数据和客户反馈；c)流程环节：按照业务流程、产业链环节进行细化分类。覆盖从原材料采购、生产、质检、销售、客户服务、库存管理的整个业务流程，以及企业内部的管理流程如财务审批、人力资源规划等。如生产流程中的设备监控、销售流程中的订单处理、财务管理中的财务报表生成；d)数据主体：按照数据主体或属主进行细化分类。包括供应商、客户、员工、产品、市场竞争对手、生产设备等，这些数据主体在业务流程中产生或与之相关的数据。如生产设备的运行数据、员工的考勤信息、客户的购买记录、供应商的合同信息、市场分析报告等；e)数据处理：按照数据处理活动或数据加工程度进行细化分类。包括数据的收集、存储、清洗、整合、分析、可视化、安全保护和共享等处理活动，工业互联网数据安全保护措施遵照附录B的规定。如通过传感器收集生产线数据，利用大数据分析工具处理市场数据，生成可视化报告供管理层决策，采用加密技术保护敏感数据的安全；f)数据来源：按照数据来源、收集方式进行细化分类。包括企业内部系统（如ERP、CRM、MES等）、外部互联网平台、社交媒体、第三方数据提供商、员工手动输入等。如ERP系统提供企业运营数据，电商平台提供交易数据，社交媒体API接口提供市场反馈数据，员工通过自助系统输入考勤信息；g)根据数据时间特性，分为实时数据与历史数据。6.2工业互联网数据分类方法工业互联网数据分类应综合考虑业务影响度、敏感性、数据规模、生命周期、来源渠道等多个维度。为提升分类方法的可操作性，避免分类维度繁多导致实施复杂，工业互联网数据分类优先级规定如下：a)业务影响度：作为首要判定维度，直接影响生产控制安全、设备可靠性或生产连续性的数据，应优先归类为核心或重要级；8T/CSAS0024—2025b)敏感性：在业务影响度相同的情况下，以数据敏感性作为次要判定标准，如是否包含控制逻辑、企业商业机密或个人隐私；c)数据规模与生命周期：辅助维度，用于细化重要级与一般级数据的界限，如汇聚大量设备日志的综合数据可能提升分级等级；d)来源渠道：作为补充维度，用于判断数据在不同采集路径、流转链路中的安全风险，如边缘采集数据与中心存储数据可能存在不同保护需求。6.2.1数据部门职责分类面向数据部门职责的工业互联网数据分类方法如下所示：a)原材料；b)装备制造；c)消费品；d)电子信息制造；e)软件和信息技术服务。6.2.2数据业务属性分类面向数据业务属性的工业互联网数据分类方法如下所示：a)工业企业工业数据：1)研发数据；2)生产数据：控制信息、工况状态、工艺参数、系统日志；3)运维数据；4)管理数据；5)外部数据；6)边缘侧数据。b)平台企业工业数据。6.2.3数据类型分类基于数据类型的工业互联网数据分类方法如下所示：a)生产运营数据：涵盖生产计划、调度、质量控制、设备运行状态等与生产过程直接相关的数据；b)供应链数据：包括原材料采购、库存管理、物流配送等环节的数据；c)客户相关数据：例如客户需求、订单信息、客户反馈等。6.2.4数据敏感性分类基于数据敏感性的工业互联网数据分类方法如下所示：a)公开数据：在无安全风险前提下可对外共享和传播的数据；b)内部使用数据：仅供企业内部特定部门或人员使用的数据。6.2.5数据来源分类基于数据来源的工业互联网数据分类方法如下所示：a)设备产生的数据：来自生产设备、传感器等的实时监测数据；b)系统生成的数据：企业内部各类信息系统如ERP、MES等产生的数据；c)人工输入数据：通过员工手动记录或输入的数据。6.2.6数据生命周期阶段分类面向数据生命周期阶段的工业互联网数据分类方法如下所示：a)数据的收集阶段：刚从源头获取的数据，指从数据源采集的原始数据，包括传感器数据、设备日志、用户输入数据、生产订单等；b)数据的存储阶段：经过初步处理后存储的数据，指数据经过格式化、去重、清洗、标准化等初步处理后存储的数据；9T/CSAS0024—2025c)数据的使用和加工阶段：用于数据分析和决策支持的数据，指在业务流程、数据分析、人工智能模型训练、生产优化等过程中使用的数据；d)数据的传输阶段：数据在不同系统、设备或组织之间传输的过程，包括企业内部数据交换、云端同步、跨企业或跨行业的数据共享等；e)数据的提供与公开阶段：数据共享、开放或外部提供，指数据对外提供、公开或共享的过程，包括政府、企业、研究机构等主体的数据开放、行业数据交换等；f)数据归档和销毁阶段：不再使用但需要保存或已无用可销毁的数据，指已完成业务目的或因业务调整、法规要求不再使用的数据，可能需要归档或销毁。6.2.7数据格式分类基于数据格式的工业互联网数据分类方法如下所示：a)结构化数据：具有明确格式和结构的数据，如数据库中的表格数据；b)半结构化数据：具有一定结构但不完全规范的数据，如XML、JSON格式的数据；c)非结构化数据：如文本、图像、音频、视频等无固定格式的数据。6.2.8基于数据的重要程度分类基于数据重要程度的工业互联网数据分类方法如下所示：a)核心数据：例如产品设计图纸、核心工艺配方；b)重要数据：例如生产计划、质量检测报告；c)一般数据：例如一般性的办公文档。6.2.9典型行业分类示例典型工业互联网行业数据分类示例如下所示：a)电力行业：1)设备数据：包括发电机组运行参数、变压器温度、断路器开合状态等；2)过程数据：包括电压、电流、频率、功率曲线等；3)运维数据：包括检修计划、设备缺陷管理等；4)环境与安全数据：包括风速、气温、雷电监测、安防视频等。b)石化行业：1)设备数据：包括压缩机运行参数、反应釜温度与压力、泵阀状态等；2)过程数据：包括原料配比、催化剂用量、反应时间等工艺控制参数；3)安全监测数据：包括可燃气体浓度、环境温湿度、视频监控等；4)供应链数据：包括原油采购、成品油储运与调度信息等。c)冶金行业：1)设备数据：包括高炉温度、压力、风量、转炉氧枪流量等；2)过程数据：包括冶炼工艺参数、轧制工艺记录、能耗指标等；3)质量数据：包括钢材成分检测、力学性能检测结果等；4)运维数据：包括设备检修计划、故障记录等。7工业互联网数据分级规则7.1工业互联网数据分级框架根据工业互联网数据在经济社会发展中的重要程度，以及一旦遭到泄露、篡改、损毁或者非法获取、非法使用、非法共享，对国家安全、经济运行、社会秩序、公共利益、组织权益、个人权益造成的危害程度，工业互联网数据从高到低分为核心数据、重要数据和一般数据三个级别。7.2工业互联网数据分级方法工业互联网数据分级的目的是确保数据在不同应用场景下得到合理管理和保护。具体步骤如下：a)确定分级对象，明确待分级的工业互联网数据类别，包括但不限于：1)工业互联网数据项：单个数据字段，例如传感器数据、设备运行参数、生产订单等；T/CSAS0024—20252)工业互联网数据集：由多个数据项构成的集合，例如设备日志、生产工艺参数、供应链信息等；3)工业互联网衍生数据：基于原始数据加工、分析、计算得到的数据，例如数据挖掘结果、AI分析模型、预测性维护数据等；4)跨领域工业互联网数据：涉及多个行业或产业链的数据，例如智能制造与物流协同数据、工业生产与能源消耗数据等。b)分级要素识别，结合工业互联网数据的特征，识别影响分级的关键要素，包括但不限于：1)数据敏感性：数据是否包含商业机密、核心工艺、专有技术等敏感信息；2)数据价值：数据对企业运营、生产优化、决策支持的价值；3)数据共享范围：数据的访问权限、共享机制及合规要求；4)数据安全风险：数据一旦遭到泄露、篡改、损毁或非法使用的可能影响。c)工业互联网数据影响分析，结合分级要素识别情况评估数据安全事件可能带来的影响，包括：1)业务影响：数据泄露或篡改是否会影响生产计划、供应链管理、设备运行等关键业务；2)经济损失：数据被非法获取是否会导致竞争优势丧失、财务损失或市场份额下降；3)法律合规风险：数据泄露是否会触发数据合规要求（如《中华人民共和国数据安全法》《中华人民共和国网络安全法》）的处罚风险；4)社会影响：数据安全事件是否会对公共安全、环境保护或社会稳定产生负面影响。d)综合确定级别，根据影响分析结果，结合行业标准、法规要求及企业安全策略，确定数据的安全级别，并制定相应的管控措施，可依据以下分级框架确定：1)一般级（低风险适用于公开或低敏感度数据，如普通设备状态数据、公开技术文档等；2)重要级（中等风险）：适用于影响生产效率、企业竞争力的数据，如关键生产工艺参数、供应链数据等；3)核心级（高风险适用于涉及企业核心技术、商业机密、国家安全的数据，如专有算法、生产配方、战略合作数据等。7.3工业互联网数据分级要素影响工业互联网数据分级的要素，包括工业互联网数据的领域、群体、区域、精度、规模、深度、覆盖度、重要性等，其中领域、群体、区域、重要性通常属于定性描述的分级要素，精度、规模、覆盖度属于定量描述的分级要素，深度宜作为工业互联网衍生数据的分级要素。7.4工业互联网数据影响分析工业互联网数据影响分析如下所示：a)影响对象是指数据面临安全风险时，可能影响的对象。其中，安全风险主要指数据遭到泄露、篡改、损毁或者非法获取、非法使用、非法共享等风险。影响对象通常包括国家安全、经济运行、社会秩序、公共利益、组织权益、个人权益；b)影响程度是指数据一旦遭到泄露、篡改、损毁或者非法获取、非法使用、非法共享，可能造成的影响程度。影响程度从高到低分为特别严重危害、严重危害和一般危害；c)判定基准是指对不同对象进行影响程度判断时所采取的基准不同，如果影响对象是国家安全、经济运行、社会秩序或公共利益，则以国家、社会或行业领域的整体利益作为判断影响程度的基准；如果影响对象仅是组织或个人权益，则以组织或7.5工业互联网数据级别确定规则工业互联网核心数据、重要数据、一般数据的确定规则如下：a)工业互联网核心数据：工业互联网数据一旦遭到泄露、篡改、损毁或者非法获取、非法使用、非法共享，直接对国家安全造成特别严重危害（例如直接影响政治安全）或严重危害（例如涉及其他国家安全重点领域）；b)工业互联网重要数据：工业互联网数据一旦遭到泄露、篡改、损毁或者非法获取、非法使用、非法共享，直接对国家安全造成一般危害；c)工业互联网一般数据：未识别为核心工业互联网数据、工业互联网重要数据的其他工业互联网数据。T/CSAS0024—2025工业互联网数据级别与影响对象、影响程度的对应关系见表1。表1工业互联网数据级别确定规则表7.6综合确定工业互联网数据级别在分级要素识别、数据影响分析的基础上，按照以下规则确定工业互联网数据级别：a)应按照本文件7.5规定的工业互联网数据级别确定规则，识别工业互联网核心数据、重要数据和一般数据；b)工业互联网数据集级别应在工业互联网数据项级别的基础上，按照就高从严的原则，将工业互联网数据集包含的最高级别作为默认级别，但同时也要考虑分级要素（如工业互联网数据规模）变化可能需要调高级别；c)工业互联网衍生数据级别可按照就高从严原则，在原始工业互联网数据级别的基础上，综合考虑加工后的工业互联网数据深度等分级要素对国家安全、经济运行、社会秩序、公共利益、组织权益、个人权益的影响进行确定；d)根据工业互联网数据重要程度和可能造成危害程度变化，应对工业互联网数据级别动态更新，遵照附录A的规定。8工业互联网数据分类分级流程8.1总体流程工业互联网数据分类分级流程见图2。T/CSAS0024—2025图2工业互联网数据分类分级步骤a)工业领域主管（监管）部门在遵循国家有关规定要求的基础上，宜参考以下步骤开展行业领域数据分类分级工作：1)制定行业标准规范，按照国家数据分类分级保护有关要求，参照本文件制定本行业本领域的数据分类分级标准规范；2)开展数据分类分级，行业领域主管（监管）部门，根据本行业本领域的数据分类分级标准规范，组织本行业本领域数据处理者开展数据分类分级工作，指导数据处理者准确识别、及时报送重要数据和核心数据目录信息。b)数据处理者进行数据分类分级时，应在遵循国家和行业领域数据分类分级要求的基础上，按照以下步骤开展工作：数据资产梳理、制定内容规则、实施数据分类、实施数据分级、审核上报内容，动态更新管理。8.2典型案例典型工业控制协议OPCUA、Modbus数据分类分级中的案例：a)OPCUA协议数据：1)核心级：功能码05、06、15、16，对应写单点、写寄存器、多点操作等操作，涉及直接控制执行器的数据；2)重要级：功能码03、04，对应读保持寄存器和输入寄存器操作，涉及工艺参数和监测数据；3)一般级：功能码01、02，对应读线圈和输入状态操作，主要用于状态查询与简单监控。b)Modbus协议数据：1)核心级：功能码05、06、15、16，对应写单点、写寄存器、多点操作等操作，涉及直接控制执行器的数据；2)重要级：功能码03、04，对应读保持寄存器和输入寄存器操作，涉及工艺参数和监测数据；3)一般级：功能码01、02，对应读线圈和输入状态操作，主要用于状态查询与简单监控。T/CSAS0024—2025（资料性）工业互联网数据分类分级动态更新情况参考A.1动态更新常见情形工业互联网数据分类分级完成后，当数据的业务属性、重要程度和可能造成的危害程度发生变化时，应当进行动态更新。常见情形包括但不限于：a)工业互联网数据规模显著变化，导致原有级别不再适用；b)工业互联网数据内容未发生变化，但时效性、应用场景、加工处理方式等发生显著变化；c)工业互联网数据经合并或汇聚融合形成新的数据集或类别，导致原有级别不再适用；d)工业互联网数据经脱敏、去标识化或匿名化处理，导致敏感性发生变化；e)发生数据安全事件，导致工业互联网数据敏感性提高；f)因国家或行业主管部门要求，原有数据级别不再适用；g)其他需要对数据安全级别进行动态更新的情形。数据处理者应负责提出动态更新，行业主管部门可结合实际情况复核。A.2定量分级要素参考在采用第7章规定的分级方法时，可结合以下定量要素作为辅助判定参考：a)核心数据判定阈值：1)一旦泄露或篡改，可能导致生产线停产超过24小时、关键设备损坏或重大安全事故；2)关联年度产值超过10亿元，或影响不低于30%产能的关键控制数据；3)包含国家限制类或涉密工艺参数。b)重要数据判定阈值：1)泄露或篡改会造成区域性经济损失，例如直接经济损失超过1000万元，但不直接危及核心安全；2)关联产值在1亿至10亿元之间的生产、运维、供应链数据。c)一般数据判定阈值：1)泄露仅造成有限的