使用神经网络技术的软测量已经越来越多地应用于工业过程。近年来，基于神经网络的软传感器的安全性和鲁棒性成为人们关注的主要问题。此外，目前的研究表明，神经网络容易受到对抗性攻击。换句话说，施加在输入上的小扰动可能导致输出的显著偏差。如果关键过程变量的软传感器受到攻击，可能会对工业过程造成相当大的损害。本文主要研究基于神经网络的工业软传感器的攻击方法。针对工业软传感器的特点，本文提出了两种新的对抗性攻击方法。第一种方法称为镜像输出攻击（MOA），是一种微妙的攻击方法，它翻转输出曲线以改变输出的方向。第二种方法称为翻译MOA（TMOA），很容易使运算符操作失误。TMOA在翻转输出曲线的同时平移输出曲线，以达到改变输出条件的目的。在硫回收装置工艺的工业案例研究中证明了MOA和TMOA的有效性。仿真结果表明，两种对抗性攻击方法都可以对基于神经网络的工业软传感器进行攻击。对抗性攻击方法的研究可以为防御攻击提供基础，从而增强软传感器的安全性和鲁棒性。
