本文针对工业控制系统（ICS）和运营技术（OT）环境下基于异常的入侵检测系统（IDS）所面临的正式韧性要求展开研究。当前，这类系统被期望具备吸收对抗扰动、在持续攻击下优雅降级以及提供经认证的系统级保障能力。然而，现有的网络物理系统韧性框架通常在架构层面定义“吸收-恢复-适应”轨迹，并未将机器学习异常检测器视为一等公民组件，导致组件级鲁棒性评估与系统级韧性认证之间存在鸿沟。作者的核心观点是：ICS异常检测中的对抗鲁棒性本质上是系统韧性的一种具体实例化。为此，他们正式建立了二者之间的映射关系，将四种韧性构造——扰动类别、吸收容量、恢复轨迹和退化函数——对应到对抗机器学习的设定中。在此基础上，论文推导了异构ICS检测网络的组合韧性界，揭示了关键结论：系统级韧性的约束条件并非各节点自身的吸收容量，而是攻击路径上每个节点经过耦合调整后的吸收容量；因此，最具约束性的节点不一定是最弱的节点。在BATADAL水分配系统基准数据集上的实验验证表明，所提出的度量指标能够显现出标准基准无法察觉的、具有操作意义的现象：其一是对抗训练过程中出现的“吸收-退化分歧”（即模型吸收扰动能力上升的同时，系统退化函数表现出现异常偏离）；其二是“孤立加固韧性约束节点反而导致系统级韧性下降”的悖论。这些发现对ICS架构设计和安全认证标准具有重要启示意义。论文适合关注ICS/OT安全、对抗机器学习、韧性工程以及相关基准评估的研究人员和安全架构师阅读，为在系统层面上重新审视异常检测模型的鲁棒性评估提供了新视角。