Los ataques adversarios dirigidos a los sistemas de control industrial, como el ataque al sistema de aguas residuales de Maroochy y el ataque del gusano Stuxnet, han causado daños significativos a las instalaciones relacionadas. Para mejorar la seguridad de los sistemas de control industrial, la investigación reciente se ha centrado no solo en mejorar la precisión de los sistemas de detección de intrusiones, sino también en desarrollar técnicas para generar ataques adversarios para evaluar el rendimiento de estos sistemas de detección de intrusiones. En este documento, proponemos un marco de ataque adversario basado en aprendizaje profundo diseñado para realizar ataques de intermediario en los sistemas de control industrial. A diferencia de los métodos de ataque adversario existentes, nuestro esquema de ataque adversario propuesto aprende a evadir la detección por el sistema de detección de intrusiones basado tanto en el impacto en el objetivo como en los resultados de detección de ataques anteriores. Para la evaluación del rendimiento, utilizamos un conjunto de datos recopilado del banco de pruebas de tratamiento de agua segura (SWaT). Los resultados de la simulación demostraron que nuestro esquema de ataque adversario ejecutó con éxito ataques de intermediario evitando la detección por el sistema de detección de intrusiones basado en reglas, que se definió en función del análisis del conjunto de datos SWaT.