电力、能源、炼化和交通等关键基础设施是国家经济发展与社会稳定运行的神经中枢,是我国网络安全的重中之重。然而,近年来,一系列针对全球关键基础设施的网络攻击造成了极大的国民经济损失和对社会不可逆的破坏。针对工业网络遇到的诸多安全问题,本文主要以工业网络流量分析为基础,从工业网络流量建模、工业网络流量异常检测、工业网络安全状态评估以及工业网络防御资源分配四个方面出发,建立了当工业网络遭受安全威胁时的异常分析方法以及动态安全策略。主要研究内容与创新工作如下:（1）梳理了入侵者针对智能变电站通信网络的攻击面以及针对工业控制系统网络的典型攻击路径,并总结工业网络流量特点。通过调研真实的工业网络安全事件及相关行业报告,参考网络安全领域的ATT＆CK攻击链分析法,并结合这两种典型工业网络的架构验证了工业网络对于高级威胁的脆弱点,进一步分析真实流量数据,总结并推广了工业网络流量的特性。（2）根据不同的实际工况、安全需求、建模目的以及现场环境,提出了针对工业网络自相似、周期性、大数据特性以及分布式特性的四种定制模型以刻画正常流量的模式。采用着重刻画其自相似性的算法建立多尺度、多粒度下的工业网络流量阈值模型;采用着重刻画其周期性以及动态特性的算法,在算法复杂度较低的情况下,建立动态的在线工业网络流量异常检测模型。采用着重刻画流量的大数据特性的算法建立大容量、海量数据下的工业网络背景流量离线预测模型;最后采用着重刻画工业网络分布式特性的算法对大规模、多通信设备的工业网络进行流量分布式异常检测。（3）提出了一种基于统计学与机器学习联合的工业网络流量异常检测算法。在工业网络流量动态在线检测模型运行的基础上,设计了触发机制以联合基于机器学习算法的离线背景流量模型;通过采用在线触发架构提升异常检测的性能,实现对工业系统存在网络攻击、网络异常的检测,并显著降低了错误遗漏率。（4）提出了一种多尺度、多粒度流量的工业网络安全态势感知量化模型。根据分析实时流量与生成的工业网络流量阈值的偏差,分析异常的态势。通过引入工业网络通信协议参数以及拓扑参数,量化评估工业网络的安全风险,并分析工业网络中设备的风险系数、最脆弱的协议以及系统最脆弱的时间戳。（5）提出了一种基于分布式网络流量异常检测的最优防御资源分配方案。按照工业网络典型架构,对其进行安全域划分,并得到各个安全域中的资产设备的量化信息参数;采用基于统计学的工业网络分布式流量检测模型对异常偏差进行动态表征,并刻画攻击路径。权衡资产脆弱性、成本和关键性,并考虑攻击者入侵的关键资产,设计多目标优化算法,最终在不同防御资源可获性下选择最优的防御资源分配策略。基于上述研究,本文所提出的流量异常智能分析方法与动态安全策略有望提升工业网络的安全性,并在一定程度上为工业网络流量分析技术的诸多挑战提供理论方法借鉴。