本文提出了一种基于容器化的回溯（backfit）方法来增强工业控制系统（ICS）的弹性。传统ICS系统在面临网络攻击或物理故障时往往恢复困难，且难以在不中断运行的情况下进行安全更新。作者设计了一种容器化架构，将关键控制功能封装在轻量级容器中，并通过回溯机制在系统受损后快速恢复到安全状态。该方法允许在不影响生产环境的情况下进行安全补丁和配置更新，同时利用容器隔离性限制攻击的横向移动。实验表明，该技术能显著缩短系统恢复时间，并降低因停机造成的损失。论文重点讨论了与现有ICS协议的兼容性以及实时性能开销，证明该方案在真实部署中的可行性。

本文针对工业控制系统（ICS）中跨工厂未知攻击检测的难题，提出了一种基于中值原型对齐（Medoid Prototype Alignment）的框架。在ICS环境中，不同工厂的网络流量高度依赖本地部署环境，标签稀缺，且部署后常常出现未知攻击，导致直接迁移入侵检测模型效果不佳。现有方法通常试图直接对齐源域和目标域的所有样本，但由于数据异构性强，容易引入噪声，导致迁移不稳定。本文的核心思想是：首先将异构流量压缩到可比较的表征空间，然后提取每个域中稳健的中值原型（medoid prototypes），这些原型概括了局部操作结构。接着设计了一个原型校准的迁移目标函数，将目标原型对齐到源原型，同时保留源域的判别性并鼓励对目标样本的自信预测。这一策略减少了跨域匹配中的噪声，提高了异构工业条件下的迁移稳定性。实验在天然气和水储存控制系统两个真实ICS数据集上进行，共设计了四个未知攻击迁移任务。结果表明，所提方法在所有对比模型中取得了最佳平均性能，平均准确率0.843，平均F1-score 0.838。研究还发现了明显的源-目标方向迁移不对称性，并证实原型引导在困难的逆向迁移设置中尤其有效。总体而言，该工作为领域漂移下的鲁棒工业入侵检测提供了一种实用解决方案。