工业互联网已经逐渐成为我国重要关键基础设施的“核心”之一,被广泛应用到了我国的各行各业。但是由于科技和智能的日益发达,近年来工业互联网面临的网络攻击手段日趋复杂,伴随着巨大的安全风险。一旦攻击者入侵工业互联网,可能会导致工业互联网出现大规模的崩溃,对我国的政治经济造成巨大危害,因此工业互联网的安全问题已经成为国内外的研究热点之一。为解决上述问题,本文将对工业互联网的风险评估展开具体研究,其中风险评估可以判断工业互联网的风险水平,为增强工业互联网的安全防御能力提供一定的保障,并且该研究成果在工业互联网领域中具有重要的意义。本文的研究内容主要包括以下几点:（1）针对工业互联网边缘设备目前所面临的安全风险,本文提出了一种基于攻击图的工业互联网中边缘设备脆弱性评估方法。首先根据工业互联网的安全目标对工业互联网边缘设备中的漏洞相关信息进行识别,然后运用隐马尔可夫模型对工业互联网中边缘设备的状态进行建模,得到设备状态间的关联信息,最后根据边缘设备中的漏洞信息和设备与设备状态间的关联性等信息用于生成攻击图,并根据所定义的公式评估攻击图中各节点所存在的风险,通过仿真实验可知该方法可以对工业互联网边缘设备的安全进行有效的风险评估。（2）针对工业互联网的整体安全,本文提出了一种基于DE-ANP-BP的工业互联网风险评估方法。该模型首先对工业互联网中存在的风险进行识别,并且在建立合适的工业互联网评价指标体系时参考构建信息安全指标体系的规范原则,其次构建ANP网络模型。为提高工业互联网评价精度,本文使用DE-ANP方法对指标中的权重值进行重新计算,并使用BP神经网络的方法对工业互联网的安全进行评估,同时使用权重值和风险值分别作为BP神经网络的输入和输出。实验结果表明,DE-ANP-BP网络可以实现工业互联网安全风险的准确评估。（3）本文设计并实现了工业互联网安全风险评估系统,该系统可以对工业互联网中的安全风险进行评估和管理,将被动防御变为主动防御,并依据评估的结果制定相应的风险管控措施,为工业互联网拦截网络攻击提供一定的预警作用。本文提出了新的思路和方法对工业互联网安全进行有效评估,并通过工业互联网安全风险评估系统对风险进行评估并管理,使网络安全人员面对风险时可以主动根据评估结果来制定相应的措施实现风险管控,进而降低工业互联网面临的安全风险。