随着互联网发展,工业生产行业也逐渐向智能化发展,然而工业控制系统（简称工控系统）接入互联网必然面临相关的网络安全威胁,而且工控系统受到攻击后会造成更大的安全危害,所以工业控制网络安全极大程度上关乎国家安全,因此工控安全领域出现很多安全防护手段,工控蜜罐就是其中一种。相应的,工控蜜罐识别成为工控领域攻防对抗的重要环节,攻击者若能提前发现工控蜜罐引诱设备,可避免落入引诱陷阱,从而有效隐藏攻击者的攻击意图;防御者则通过工控蜜罐识别更好发现工控蜜罐的不足,进而提高工控蜜罐防护能力。本文提出了一种基于个性与共性特征的机器学习工控蜜罐识别方法,以解决现有工控蜜罐识别方法存在的特征单一、依赖经验等问题。此外,机器学习方法也存在训练数据缺乏、适应能力低等问题。因此,本文提出了一种基于个性与共性特征的方法,以提高工控蜜罐识别的准确度和稳定性。主要的工作内容如下:（1）针对使用单一共性特征或个性特征识别导致的识别误差问题,本文提出通过结合共性特征与个性特征加权的方式,通过网络数据搜集相应数据集,之后通过结合共性、个性识别特征加权的方法对工控蜜罐设备进行识别。通过实验表明,与单一使用共性特征或单一使用个性特征识别方法进行工控蜜罐识别相比,结合使用共性、个性识别方法,通过加权的方式进行特征融合可以提高工控蜜罐的识别准确率。（2）由于机器学习比较适用于利用多维特征来进行识别,且现在的相关研究较少,所以本文研究使用机器学习来进行自动化工控蜜罐识别。对于基于机器学习工控蜜罐识别缺乏训练数据集问题,本研究通过在工业控制网络中进行数据收集整理来作为训练和测试用数据集对机器学习模型进行训练,并进行工控蜜罐机器学习识别。通过对数据集进行预处理后,分别使用决策树、贝叶斯分类、支持向量机作为单分类器算法,根据准确率、精准率、召回率、F1值对机器学习效率进行评估;最后使用集成学习的Bagging算法实现软投票设置单分类器的权重,将结果进行融合,得到最终的识别结果。（3）最后基于本文提出的基于共性与个性特征的识别方式,设计并实现了工控蜜罐识别系统,利用共性与个性特征识别方法结合机器学习方式,可以实现在线判定用户输入的特征值是否为工控蜜罐。