综合电子系统是采用基于标准总线的计算机网络技术把多种电子设备（分系统）交联在一起,从而实现各个分系统的信息共享和综合利用的集成系统。其目前主要应用于航空领域和军事领域,是各种飞机、舰船等应用系统的重要组成部分。综合电子系统起初是以高效性和可用性为主要目标进行设计的,对安全性的考虑欠佳,因此其面临巨大的攻击风险。目前国内外以综合电子系统安全性为目标的研究并不多见,所以本文面向综合电子系统进行了脆弱性分析,针对其应用的总线协议,建立了基于总线的攻击模型,设计并实现了一种适用于综合电子系统的入侵检测方案。然而,入侵检测系统会面临对抗攻击的威胁,因此本文基于不同敌手的对抗能力,分别设计了生成框架来生成对抗攻击样本,从而验证对抗攻击的有效性,同时利用生成框架评估了提出的检测方案的鲁棒性。具体内容如下:1.根据综合电子系统架构,进行了脆弱性分析。针对综合电子系统应用的总线协议,建立基于总线的攻击模型,分析可能的攻击场景,并在攻击模型的基础上,搭建带有攻击源的航天综合电子系统半物理仿真平台。在仿真平台上验证了攻击的有效性,并开发了用户操作界面进行控制和展示。2.针对上述基于总线的攻击模型,本文面向综合电子系统提出一种双层检测方法（TLP-IDS）。首先对总线消息进行了周期性和非周期性区分,并将非周期性消息进一步分为高低优先级。然后根据消息的性质设计了基于时间与逻辑的检测模块。实验结果表明,基于时间与逻辑的检测模块对于四种攻击场景的检测率达到98%以上,同时在时间性能上表现优越。但其不涉及数据内容检测,无法检测数据欺骗攻击,因此本文进一步提出了数据预测检测模块作为第二层安全屏障,弥补了对数据攻击检测的疏漏。3.由于入侵检测系统面临敌手精心设计的躲避样本（对抗攻击）的威胁,因此本文提出了典型的敌手能力下对抗样本的生成框架进行验证。生成框架以生成式对抗网络为原型,根据不同的敌手能力,在生成器目标函数中引入不同的二范式距离来优化生成框架模型。为了验证框架的性能,实现了当前常用的机器学习和深度学习方法作为黑盒入侵检测系统,进行实验对比。结果表明,两种生成框架具有良好的生成对抗样本的能力,同时TLP-IDS在对抗样本攻击下的鲁棒性与多层深度学习神经网络的鲁棒性相差不大。