Questo lavoro si concentra sullo sviluppo di un nuovo approccio basato sul deep learning per implementare un sistema di rilevamento delle intrusioni efficiente e flessibile che utilizza l'approccio comportamentale e che si rivolge principalmente alle infrastrutture critiche e ai sistemi di controllo industriali. Partendo dal presupposto che la modellazione del normale comportamento della rete dei sistemi di controllo industriali è fattibile e affidabile, poiché le operazioni eseguite in questi sistemi sono piuttosto stazionarie e ripetitive, le reti neurali convoluzionali (CNN), una tecnica di deep learning, sono utilizzate sul dataset NSL-KDD, un dataset di riferimento utilizzato per l'implementazione di sistemi di rilevamento delle intrusioni. Le prestazioni dell'approccio vengono presentate e confrontate con alcuni lavori precedenti. Le metriche utilizzate includono la percentuale di classificazione corretta, l'accuratezza e i falsi positivi, dimostrando che l'approccio proposto migliora le prestazioni dei sistemi precedenti.