5G等信息化技术在工业方向的应用,导致工控系统面对频繁的网络跨域攻击。攻击引发的故障与物理系统的偶发故障间的特征相似性过高,影响防御系统发现异常时的防护决策。攻击故障辨识技术通过对攻击故障数据进行分析得到异常类型,是工控系统安全防护的重要组成。工控系统信息物理耦合紧密,且面对的新型和未知攻击层出不穷。当前攻击故障辨识研究中,存在难以适应未知模式的异常,缺乏对系统的全面考虑等一些问题。本文分析了工控系统攻击故障辨识需求,针对未知攻击的模式多样问题及工控系统信息物理耦合紧密的问题,提出了基于路径推理的多视角攻击故障辨识框架。框架主要从异常根源分析和攻击意图匹配的角度展开研究,打破分析数据特征方法对未知异常模式的局限性,多角度全面分析,考虑系统信息物理相互影响,辨识异常类型。本文所提异常根源分析方法,通过建立跨信息物理域的贝叶斯模型,挖掘节点因果关系。方法基于子节点状态由父节点转移叠加而得的条件,设计了一种异常路径回溯算法。从物理域出发,利用状态观测数据及告警信息,自底向上推理异常父节点。以图路径搜索方式向上迭代,实现对异常路径回溯,发掘出异常根源,得到辨识结果。所提攻击意图匹配方法,利用专家知识量化节点资产,计算不同意图下节点被攻击概率以建立多维攻击意图模型。方法基于局部概率最优化,设计了攻击路径推理算法。从信息域出发,利用告警信息更新模型,预测概率最大攻击路径并反馈优化模型,实现前向推理攻击路径,刻画出意图下攻击传播过程,确定攻击目标,得到辨识结果。框架基于证据理论设计了基本概率分配函数,将多源辨识结果在决策层融合,得到最终异常类型。本文通过半实物仿真平台得到的告警信息和观测数据进行实验,训练贝叶斯模型和意图模型,利用异常根源分析方法和攻击意图匹配方法进行辨识。通过实验证明了辨识方法的合理性以及推理算法的有效性,并统计推理时耗说明了方法的可用性。