本发明涉及一种基于轻量级深度学习的异常点位检测方法及系统，该方法通过构建轻量级卷积神经网络模型，并进行模型训练，得到异常点位检测模型，从而实现从生产现场实测数据集中定位出可能被攻击的异常点位数据，由于本发明提供的技术方案，是基于轻量级卷积神经网络模型实现的，在保证正确率的情况下，算法模型小、训练速度快，并能够识别可能的被攻击点位，解决了现有技术中安全防护系统只能给出生产数据是否异常的分类结果，但不能识别哪些点位受到攻击的问题，用户体验度好、满意度高。