水资源在现代社会的可持续发展中起到至关重要的作用。随着计算机信息领域的发展和网络通信技术的进步,越来越多的城市配水网络从传统的物理基础架构,过渡到集在线监控、数据收集和实时计算等操作于一体的信息物理系统。其利用网络媒介带来效率和性能提高的同时,也面临着诸如重放攻击、数据注入攻击等多类恶意网络攻击的威胁,因此,针对恶意攻击的配水网络安全研究迫在眉睫。针对攻击的多样性、复杂性和隐蔽性,论文研究了不同场景下智能配水网的攻击检测问题,分别提出了有标注的配水网络数据集合下的异常值检验方法和序列预测方案,到无标注的配水网络数据集合下的攻击矩阵分离和工况相关性检测策略。主要贡献包括以下几个方面:首先,分析了网络攻击能够发起的位置以及导致的结果,然后针对一个中等大小的配水网络,研究不同种类的数据完备性攻击对其造成的影响。其次,针对有标注的水网数据集合,构建了基于有标注数据的高斯混合模型,并利用标注的信息来建立数据的置信度,降低模型的误警率。在此基础上,讨论用户需水量的内在周期性,建立序列到序列的神经网络模型,利用传感器预测值与真实值之间的偏差进行攻击入侵检测。最后,针对无标注下的配水网络数据,分析了系统工况与实际测量值之间的线性关系,利用非负矩阵分解的方法,分离出正常的数据矩阵和攻击矩阵,设计合适的阈值触发系统报警。进一步,将工况映射到高维向量空间表示,提出了含有工况的时序相关性的检测算法,能够集束搜索出系统的实时工况。所有算法均在公开数据集合BATADAL中进行了验证。