随着工业化和信息化的深度融合,大数据、云计算等新技术的引入,工业领域发生了深刻变革,逐渐发展形成工业信息物理融合系统(Industrial Cyber Physical Systems,ICPS)。然而,系统的开放性不断增强,使得面临的信息安全威胁愈发严峻。网络攻击一旦突破安全防线渗透到ICPS控制网络,轻则导致系统宕机产量下降,重则引起安全事故,危害人员安全,因此对ICPS实施安全防护以保障系统的安全稳定运行具有重大意义。识别并评估ICPS的风险是系统安全防护的关键环节,能够辅助安全操作人员掌握系统当前安全态势,及时采取合适的响应措施。为此,本文提出了一种模型与数据相结合的风险评估方法。首先,使用贝叶斯网络对风险传播过程进行建模,并基于此进行风险的推理,得到安全事件发生的概率;然后,对ICPS物理状态间的关联关系进行研究,分析安全事件经由系统关联耦合关系进行传播造成的影响;最后基于上述的风险推理结果和物理系统所受到的攻击影响,进行系统风险值的量化计算。值得注意的是,本文所提出的方法通过对不同来源的数据进行分析,利用数据驱动风险评估的整个流程:包括基于系统脆弱性分析以构建初始的风险传播模型、对模型进行后续的学习和优化,以及通过系统状态间的相关性分析以评估攻击给物理过程造成的影响等。为了对所提出方法的效果进行评估,本文以级联水箱控制系统为对象在方法的实时性、有效性和模型适应性方面开展了风险评估实验。实验结果表明,所提出方法可以对系统的安全态势进行准确的评估,满足安全决策的实时性需求,数据与模型驱动的方式使得该方法有较好的可扩展性,适应性较强。