工业信息物理系统（Industrial Cyber Physical Systems,ICPSs），形成于工业控制系统与信息通信技术的深度融合过程中，现已广泛应用于各工业领域。由于网络化程度高，导致该系统面临着严重的信息安全威胁，同时由于其信息层与物理层的高度耦合，导致其一旦遭受网络攻击，极易对物理世界产生恶劣影响。因此，需要在深入分析系统内部机理及运行特点的基础上，构建容忍入侵的工业信息安全防护体系。风险评估作为该防护体系的关键环节，愈发受到研究的重视。　　本文在深入分析工业信息物理系统信息安全风险评估需求的基础上，结合已有研究之不足，引入了模型与数据相结合的风险评估思想。一方面，分析信息层中网络节点间的关联耦合特点，设计了基于贝叶斯网络的风险传播模型，以实现概率化的风险推理；另一方面，结合物理层的被控过程，提出了基于失效时间指标的物理过程影响度量方法，进而实现风险量化计算。同时，为充分利用实时数据，本文在分析工业信息安全场景特点及其风险评估需求的基础上，设计了在线参数学习算法来更新贝叶斯网络模型，实现数据驱动的模型优化。　　本文以一个半实物仿真的工业信息物理系统实验平台为基础，依托Matlab对所提出的风险评估方案进行了开发实现，进而开展风险评估实验。通过实验，所提出的方法的过程实时性、量化准确性、模型自适应能力等方面得到了验证。本文研究表明，设计适合于工业特点的风险评估模型，并采用数据驱动策略对模型进行强化，能有效提高风险评估水平。