随着工业互联网的应用越来越广泛,其安全问题也开始逐步受到重视,在攻击者之前发现其存在的潜在安全隐患是十分重要的。模糊测试是一种常用且简单高效的漏洞检测工具,目前在工业互联网漏洞挖掘中也应用广泛。在传统的协议模糊测试方法中,生成测试用例需要花费大量人力和时间来对协议规范进行分析,且随着协议的改变,生成方法将不具备通用性。因此需要设计一种能降低协议分析成本且能得到较好测试效果的模糊测试方法。近年来随着机器学习方法在各个领域的优秀表现,模糊测试领域也开始尝试使用其进行智能化测试。但目前机器学习的方法还很少运用于工控模糊测试领域,此外生成的测试用例测试效果也并不理想。因此本文基于文本生成对抗网络,提出一种可以解决上述问题的工控协议测试用例生成方法,其中采用了两种文本生成对抗网络模型,并且在对于生成数据的保存上更符合模糊测试的需求。此外本文还实现了基于上述测试用例生成方法的工控协议模糊测试系统。为了证明本文提出的方法的有效性,通过在常用工控协议Modbus TCP协议上进行了实验。实验结果表明与使用原始GAN的测试用例生成模型和传统的模糊测试工具PEACH相比,本文提出模型在测试用例通过率、漏洞挖掘效率、测试用例多样性上都更加优秀。