题目：一种自关注的物联网时间序列时空异常检测方法

作者：马浩，张翼英等

会议：ICIC 2025

摘要：随着物联网（IoT）技术的快速发展，智能设备产生的大量时间序列数据在异常检测任务中发挥着至关重要的作用。然而，现有方法主要关注时间维度上的异常模式，而忽略了变量之间的空间相关性，限制了对复杂异常模式的识别能力。为此，本文提出了一种基于自注意力机制的时空异常检测模型（自注意力时空异常检测，SATAD），用于同时学习时间常态性和空间常态性。具体而言，SATAD包含三个关键模块：时间异常建模（TAM）、空间异常建模（SAM）和自注意力融合（SAF）。TAM通过学习子序列的排序规则来建模时间依赖性，而SAM通过建模时间序列在表示空间中的分布模式来学习空间常态性。此外，SAF进一步优化了时空特征的融合，增强了模型的泛化能力。实验结果表明，SATAD在多个基准数据集上优于现有方法，并在AUC-ROC、AUC-PR和F_1分数等指标上取得显著提升，验证了其在异常检测任务中的有效性和鲁棒性