融合显隐式关联的图卷积多维时序异常检测方法

作     者：张光耀 高欣 张云凯 刘婧 叶平 ZHANG Guangyao;GAO Xin;ZHANG Yunkai;LIU Jing;YE Ping

作者机构：北京邮电大学人工智能学院北京100876 中国电力科学研究院有限公司北京100192 南瑞集团有限公司南京211106 

基　　金：国家电网有限公司科技项目(5700-202227226A-1-1-ZN) 

出 版 物：《北京邮电大学学报》 (Journal of Beijing University of Posts and Telecommunications)

年 卷 期：2024年第47卷第3期

页      码：75-82页

摘      要：针对重构类多维时序异常检测方法对信息物理系统组件间的耦合关系提取能力不足以及建模时易遗漏信息的问题,提出一种融合显隐式关联的图卷积多维时序异常检测方法。利用改进的余弦相似度,提取序列间可用距离度量的显式关联关系。设计基于多头自注意力机制的关联关系提取模块,学习序列间的隐式关联关系。整合显隐式关系,将关系融合图和原始数据共同输入到基于图卷积网络的自编码器中,进行结合时间和空间依赖性的多维时序重构。根据训练好的模型输出的待测数据重构结果计算异常的分数,进而结合自适应阈值来选择算法进行异常检测。4个公开数据集上的实验结果表明,所提方法比相关经典和时效性方法在F1-Score上具有明显的提升,且可以通过输出关联权重矩阵的方式对异常事件进行解释分析。

主 题 词：信息物理系统 多维时序异常检测 多头自注意力机制 图卷积神经网络 显隐式关联关系提取 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.13190/j.jbupt.2023-107

馆 藏 号：203127419...