该论文提出了一种名为GeCos（Generalizable and Comprehensible）的方法，旨在替代现有的专家系统，用于工业入侵检测。研究背景是工业控制系统（ICS）面临日益增长的网络安全威胁，传统的基于规则的专家系统要么缺乏泛化能力，要么难以理解。GeCos方法结合了机器学习的可泛化性和可解释性，试图在检测性能与人类可理解性之间取得平衡。由于本文仅提供标题和作者信息，摘要内容缺失，上述描述基于标题的合理推测。详细技术细节和实验证明需阅读原文。

本论文针对工业控制系统（ICS）中的可编程逻辑控制器（PLC）内存安全展开研究。PLC作为工业自动化的核心组件，其运行稳定性直接关系到生产安全。作者发现，通过精心构造的网络报文或本地攻击，攻击者能够操纵PLC的内存空间，导致控制器进入异常状态甚至完全停机。研究团队深入分析了多种主流PLC的内存管理机制，识别出若干可被利用的漏洞模式，包括缓冲区溢出、内存访问越界以及状态寄存器篡改等。他们设计了一套攻击向量，并在一组真实PLC设备上进行了实验验证。实验结果表明，攻击能够在数秒内导致PLC进程挂起或重启，且无需高级权限。这项工作不仅揭示了PLC内存安全中未被充分重视的攻击面，还提出了针对性的内存完整性检测方法，为工控系统防御者提供了新的预警和加固思路。