网络流量/Trace 生成与“可用性”讨论（支撑你做语义 trace 生成，而不是原始字节生成）

Yin et al. Practical GAN-based Synthetic IP Header Trace Generation using NetShare. ACM SIGCOMM 2022.
用途：它强调“生成可用的协议字段 trace”与实用评估（不是只看视觉相似）。你可以借鉴其“字段级一致性/约束”的评估思路。

Lin et al. Using GANs for Sharing Networked Time Series Data: Challenges, Initial Promise, and Open Questions. ACM IMC 2020.
用途：专门讨论网络化时间序列共享/合成的挑战（相关性、隐私、评估）；你做 Modbus 合成的“评估指标设计”很适合引用它的观点。

Ring et al. Flow-based Network Traffic Generation using Generative Adversarial Networks. Computers & Security 2019.
用途：作为 GAN 基线类相关工作，对比扩散模型的训练稳定性与多样性优势。

Vishwanath & Vahdat. Swing: Realistic and Responsive Network Traffic Generation. IEEE/ACM ToN 2009.
用途：传统 traffic generator 经典工作；用于 related work 中“非深度学习合成”的对比。