在大数据的驱动下，互联网与工业进一步深度融合，信息技术渗透到了工业企业产业链的各个环节，然而，由于此前人们的着重点在工业生产过程的产品上，多采用明文形式的协议和通用的操作系统，对其安全问题并没有足够的重视，使得近几年工业企业的信息安全事件时有发生。因此，研究工业大数据安全风险评估方法，进而加强工业系统的安全防护变得至关重要。　　本课题在充分研究工业大数据的特点、现状和安全需求的基础上，同时结合信息安全风险评估的相关技术和标准，提出了一种适合于工业企业的信息安全风险评估方法，该方法是基于模糊集和D-S证据理论的动态贝叶斯网络原理实现的。针对工业大数据时序性的特点，采用基于动态贝叶斯网络的风险评估模型；针对评估过程中专家意见的不确定性问题，采用高斯隶属度函数对专家评语集进行模糊化处理；针对评估过程中专家意见的多样性问题，采用基于矩阵分析和权值分配的D-S证据合成算法对多位专家的意见进行融合，其中，基于矩阵分析的算法用以减少计算量，基于权值分配的算法用以解决专家意见存在较大冲突的情况。本文还利用Matlab软件和Microsoft Visual Studio2005软件混合编程的方法设计了一个风险评估系统，用以输入专家评语集、计算系统面临的风险值并显示最终的风险评估结果。　　最后，以某一工业控制系统为例对所提出的评估方法进行了实验验证，并通过动态贝叶斯网络与静态贝叶斯网络的对比，以及本文所提出的D-S证据合成算法与传统D-S合成算法的对比，说明了评估方法的合理有效，结果能够得到被测工业系统处于不同风险等级的概率值，以及面临的风险大小。