本文是一篇关于可解释人工智能（XAI）在工业网络安全中应用的综述性论文。随着工业基础设施的日益数字化以及信息技术（IT）与运营技术（OT）的融合，工业系统的网络攻击面显著扩大。为应对日益复杂的网络威胁，人工智能（AI）和机器学习（ML）技术越来越多地被部署在工业网络安全运营中，尤其是在安全运营中心（SOC）内。这些方法虽能改进异常检测、威胁分析和自动化响应，但其决策过程的不透明性给运营信任、法规遵从和事件响应带来了挑战。可解释人工智能（XAI）作为提升AI驱动网络安全系统及决策透明度和可解释性的范式应运而生。本文聚焦于工业SOC环境和安全运营工作流程，对工业网络安全中的XAI技术进行了全面综述。文章首先审视了AI在工业SOC工作流程中的角色、工业环境中利用的运营数据类型，以及基于AI的威胁检测的优点和局限性；随后综述了主要XAI方法族，包括特征归因方法、代理模型、基于规则的说明和可视化技术，并分析了其在工业用例中的适用性；进一步讨论了将工业系统区别于传统IT环境的运营、法规和安全要求；深入剖析了关键挑战，如标记数据集有限、模型可靠性、可解释性与性能之间的权衡，以及将XAI工具集成到SOC工作流程中的难题。最后，作者指出了开放的研究方向，为开发可信赖、运营可行且面向特定领域的工业环境XAI网络安全解决方案提供了机遇。