化工行业作为国民经济的支柱产业,其生产、制造的化工产品具有易燃易爆的特点,一旦发生事故,将给企业、社会、国家带来灾难性的影响。因此,化工行业的安全防御体系建设是必须要重点关注的工作。随着工业自动化技术与信息化技术的蓬勃发展,工业生产控制在向数字化管理和智能化生产转型的过程中,也面临着更多的安全问题。面对过程复杂、变量众多的现代化学工业流程,传统的故障诊断、异常检测方法对外界攻击的准确率较低。态势感知技术是一种新型的安全防护技术,它可以对工业控制系统的安全状况进行有效的评价,并对其未来的安全状况发展进行预测。利用态势感知方法,可以有效地提高工业控制网络的安全防护能力,防止外部入侵对工业控制系统造成的伤害。工控网络不同于传统IT网络,大多数外界攻击的目标都是工控网络的现场控制层设备。本文以工控系统现场层数据为研究对象,具体研究内容如下:1.为了解决在工业控制网络安全态势评估过程中,由于数据维度过大导致评估困难的问题,提出一种结合稀疏自编码器与Kmeans++算法的工业控制网络安全态势评估模型。首先,使用稀疏自编码器过滤安全样本中的冗余信息,使其能够更好地表达样本特征;其次,利用Kmeans++算法对态势评估模型进行分类训练;最后,使用田纳西伊斯曼化工流程数据集进行实验验证,仿真实验表明,本文所提工业控制网络态势评估模型运行耗时更短并且准确率可达99.8%。2.为了解决在工业控制网络的安全态势预测过程中,预测精度不高的问题,提出一种基于灰狼算法优化门控神经网络的工业控制网络安全态势预测模型。首先,改进了灰狼算法的收敛过程,使算法的全局寻优能力增强;其次,采用改进的灰狼算法优化门控神经网络的超参数;最后,使用训练好的门控神经网络进行实验验证。结果表明,该方法相较于现有的预测模型精度更高。