标题中的“攻击图与HMM工业控制网络安全风险评估”指的是在工业控制系统中，利用攻击图（Attack Graph）和隐马尔科夫模型（Hidden Markov Model, HMM）来评估网络安全风险的一种方法。这种方法旨在更准确地识别和评估工业控制系统的潜在威胁，从而采取有效的防护措施。
攻击图是一种表示攻击者可能的攻击路径和步骤的图形模型，它通过分析网络的拓扑结构和安全弱点，描绘出一系列可能导致系统受损的攻击序列。在工业控制网络中，攻击图可以帮助识别关键资产、脆弱点以及攻击者可能利用的路径。建立攻击图模型时，需要考虑网络中的各个节点和它们之间的相互联系，包括设备、服务、协议等，并确定这些元素的安全属性，如访问控制、加密、漏洞等。
NNC（网络节点关联性）是评估攻击图中节点间相互依赖性和影响的重要因素。通过分析NNC，可以更好地理解攻击者可能如何利用一个节点的弱点来影响其他节点，进而评估整体网络的安全风险。NNC的研究有助于识别关键节点和关键路径，以优先进行安全加固。
HMM是一种概率模型，常用于处理序列数据，能描述状态之间的隐藏转换。在网络安全领域，HMM可以用来建模攻击行为的变化，将网络观测（如异常流量、日志事件等）与潜在的攻击状态关联起来。通过对HMM的学习和解码，可以预测和识别出网络中的攻击活动，及时发现潜在的安全威胁。
CVSS（通用漏洞评分系统，Common Vulnerability Scoring System）是一个公开的标准，用于量化安全漏洞的严重程度。在本文的方法中，CVSS被引入来评估工业控制系统的安全状态。通过CVSS，每个网络节点或安全事件都可以被赋予一个分数，这个分数反映了其对整个系统安全的影响程度。结合HMM和CVSS，可以动态评估系统的安全状况，为安全管理决策提供数据支持。
案例分析部分，论文以火电厂集中控制系统为例，实际应用了上述风险评估方法。实验结果证明，该方法能够全面分析工业控制系统的安全风险，为安全管理人员提供决策依据，帮助他们采取针对性的防护措施。
总结来说，这篇论文提出的攻击图与HMM结合的工业控制网络安全风险评估方法，是通过模型化攻击路径、分析节点关联性、利用HMM建模攻击行为变化以及结合CVSS评估安全状态，来提高对工业控制系统安全威胁的识别和响应能力。这种方法对于提升工业控制系统安全防护水平具有重要意义。
