该论文聚焦工业物联网（IIoT）中传感器节点的安全关键性评估问题。IIoT 传感器依赖实时数据调控生产流程，一旦遭受网络攻击，可能同时损害数据可靠性与产品质量。既有研究要么仅从网络安全漏洞与攻击影响角度对节点排序，要么仅依据传感器数据对产品质量的影响评估节点关键性，缺乏将“数据关键性”与“安全脆弱性”统一量化的综合方法。为此，作者提出一种新框架，采用 Dempster–Shafer（D-S）证据理论融合两类异源证据：一是基于传感器数据对产品质量影响的数据关键性度量，二是基于 CVSS 的网络安全漏洞评分，从而输出综合的关键性排名。研究使用红葡萄酒生产数据集进行验证，表明该框架可有效对传感器节点排序。实验结果指出：分别采用 CVSS 4.0 与 CVSS 3.1 计算漏洞分数时，所得关键性排名存在显著差异，说明漏洞评估方法版本升级会实质性改变风险优先级。虽然案例来自葡萄酒制造，但框架只需少量修改即可迁移至更广泛的工业场景，为 IIoT 生产系统的安全加固与资源分配提供了可操作的风险排序思路。适合关注 OT/ICS 安全、资产关键性建模与风险评估的研究者与安全工程师阅读。