工业控制系统(Industrial Control System,ICS)的安全与国家安全紧密相关。通过对目标ICS的监测和分析,高水平的攻击者可以获得关于系统的关键知识(例如系统的物理模型和相应的检测阈值),以此绕过现有的入侵检测机制,从而达到攻击工控系统的目的。而攻击检测技术作为工控系统中最重要的安全保障措施之一,它能够检测出针对系统的攻击,提高工控系统的安全性能。因此,研究ICS的安全问题,有助于制定有效的防护措施,具有重要的实际应用价值。目前,在ICS安全领域缺乏有针对性的实验平台与真实数据,传统流量分析、特征检测等方法也存在检测性能低等问题,无法满足实际系统的需求。为了解决这些问题,本文针对典型的工业控制系统-水位控制系统开展研究,在自主设计的水位控制系统的基础上,设计针对可编程逻辑控制器(Programmable Logic Controller,PLC)的攻击方法与相应的检测方法,通过实验验证攻击与检测的可行性与有效性。论文的具体工作如下四个方面:(1)设计了基于PLC的水位控制系统实验平台的总体方案,包括其硬件系统以及软件的设计。针对缺乏工控系统实验平台的问题,采用西门子S7-1500PLC控制器作为系统的从站,并配有PC端上位机作为主站,构建了基于PLC控制器和电动阀的水位控制系统及其实验平台。(2)针对如何在PLC控制系统上实现攻击的问题,复现了重放攻击与ARP欺骗攻击两种攻击方式。采用西门子s7-1500PLC作为实验平台的控制器,通过分析其S7COMM通信协议以及对数据包的读取与解析得到攻击先验信息。为了达到攻击目的,利用python编写攻击者代码,分别实现在windows平台下的针对PLC输出的重放攻击,以及在Linux平台下的ARP欺骗攻击。(3)针对异常数据检测问题,实现了两种基于数据驱动的攻击检测方法,分别为改进KNN的分类算法以及基于神经网络的softmax分类器。考虑对攻击类数据与正常类数据的分类训练,在将获取的实验数据进行预处理的基础上实行特征提取,从而建立相应的检测模型,实现网络攻击的检测。通过仿真结果验证了两种算法的有效性。(4)通过水位控制系统实验平台,对所提出的攻击方法与检测方法进行验证。采集水位控制系统正常运行状态下与被攻击后的水位数据以及阀门与变频器状态,通过改进KNN的分类算法以及基于神经网络的softmax分类器对其进行异常数据检测。实验验证两种攻击检测方法均能精准地识别被攻击后的异常数据。最后,对本文的工作进行了分析总结,指出了实验设计中的优点与不足,并提出了进一步的研究方向。