该论文研究了加密OPC UA流量中残留结构可观测性与攻击可检测性之间的关系。OPC UA加密会隐藏应用层语义，使得入侵检测仅能依赖残留的通信结构特征。尽管基于机器学习的入侵检测系统（IDS）能够检测加密OPC UA流量中的攻击，但残留结构可观测性与攻击可检测性之间的内在联系尚未被充分理解。为此，本文提出一个解释性框架，该框架整合了结构可观测性轮廓、结构泄漏分数（SLS）、受控的家族内与跨家族比较、阶段特定分析以及维度消融分析。框架利用Jensen-Shannon散度来表征传输、时间和协议生命周期三个维度的特征，并通过SLS汇总残留结构的整体幅度。在工业私有5G测试平台上，针对四个攻击家族进行了评估，每个家族包含逐步减少的正常活动。实验结果表明，SLS通常能够跟随家族内召回率的变化趋势，但无法复现跨家族的可检测性排序。进一步的解释需要结合时间普遍性、突发间持久性、预测效用、独特贡献和冗余性等因素。该框架通过将检测结果与可观测结构证据的幅度、时间分布和预测角色联系起来，补充了传统IDS评估指标的不足，为理解加密流量下的攻击检测提供了新的视角。