在工业化与信息化不断融合、工业互联网等大环境下,工业控制系统逐渐应用到工业网络的各个领域,其安全问题已经成为社会发展和人们正常工作的前提。而工业防火墙作为工控系统的关键设备,如何提高防火墙规则自学习的准确率已成为现在研究的热门话题。首先,对工控数据采集与监控系统(SCADA系统)的结构进行分析,并对其主要层以及通信网络进行简单介绍。详细分析了SCADA系统所存在的风险、针对风险所采取的措施和安全体系。其次,了解了工业控制系统专用协议中的Modbus TCP协议,对其通信结构和帧结构的主要组成部分进行分析。比较了Modbus TCP协议和Modbus RTU两种重要协议的不同之处。介绍了Modbus TCP协议是如何进行传输。本文数据主要以采集的Modbus TCP协议中的功能码和寄存器(线圈)地址进行组合成序列,并对其进行分析。再次,介绍了工业防火墙的系统结构以及各个模块的功能。简单说明了工业防火墙的白名单自学习方法。分析了支持向量机(SVM)分类算法的基本原理;并对其惩罚因子和核函数的选择进行简单分析。针对SVM算法存在分类低等缺点,本文提出基于改进PSO-SVM规则自学习方法,讲述了该算法的流程框图,并对其仿真结果进行分析。与标准PSO-SVM算法的仿真结果进行对比,提高了工业防火墙规则自学习的准确率。最后,模拟小型污水处理系统搭建一个简单的仿真实验环境。使用Wire-shark采集与捕获工控数据,并对其特征进行分析,建立白名单规则库。利用粒子群优化算法、网格搜索法和改进的粒子群算法三种算法对SVM算法中的参数进行优化,获得正常数据和异常数据的准确率。实验结果表明,改进的粒子群优化算法和SVM算法相结合的优化算法可以提高正常数据和异常数据的准确率,提高了工业防火墙白名单规则自学习的准确率。