本文针对水分配网络（WDN）中工业控制系统（ICS）面临的网络攻击问题，提出一种基于拓扑分析的攻击检测方法。研究背景是传统检测方法依赖原始流量或协议信息，难以捕捉攻击引起的结构性变化，导致检测能力有限。作者采用基于图处理机器学习（GPML）框架，将原始网络流量转化为动态图，提取社区结构（community）和谱图（spectral）特征，并分析这些特征随时间的变化，以识别通信和结构异常。在三个工业水分配数据集（HITL、SWaT和CrossTest）上进行了评估，结果表明联合使用谱和社区图指标能有效提升对网络攻击和物理攻击的检测性能。该方法展示了图分析在ICS安全中的潜力，为关键基础设施的安全防护提供了新的视角。本文适合从事关键基础设施保护、工业控制系统安全以及异常检测研究的从业者和研究人员阅读。