本文研究了加密OPC UA通信中残余可观测性与攻击可检测性之间的关系。OPC UA加密隐藏了应用层语义，使得入侵检测只能依赖残余的通信结构特征。尽管基于机器学习的入侵检测系统能够检测加密OPC UA流量中的攻击，但残余结构可观测性与攻击可检测性之间的关联尚未被充分理解。为此，作者提出了一种解释性框架，该框架包含结构可观测性轮廓、结构泄露分数（SLS）、受控族内与族间比较、阶段特定分析以及维度消融分析。利用Jensen-Shannon散度表征传输、时序和协议生命周期维度，而SLS则概括残余结构幅度。在工业专用5G测试床上进行的评估涵盖了四个攻击家族，并逐步减少正常活动基线。实验结果表明，SLS通常能跟踪族内召回率趋势，但无法复现族间可检测性排序。要解释这些不匹配，还需考虑时序普遍性、突发间持久性、预测效用、唯一贡献和冗余性等因素。该框架通过将检测结果与可观测结构证据的幅度、时间分布和预测角色相关联，补充了传统的入侵检测系统评估指标。本文适合对工业控制系统安全、加密流量分析和入侵检测感兴趣的研究人员和工程师阅读。