标题：基于图卷积和Transformer的高效多维时间序列异常检测模型
作者：陈鲤文 李俊豪；江星
作者单位：福建理工大学计算机科学与数学学院，福建 福州 350118；福州城投新基建集团有限公司，福建 福州 350004
关键字：异常检测；多变量时间序列；图神经网络；Transformer；深度学习
摘要：工业生产中普遍使用的物联网系统中存在着各种相互关联的传感器，这些传感器产生了大量的多元时间序列数据。从多元时间序列中高效地检测出异常对于保障工业生产的安全至关重要。尽管多种多样深度学习模型已经应用于多元时间序列的异常检测，但是很多模型仍然存在局限性，难以同时学习多元时间序列节点之间的拓扑关系和时间趋势或者忽略了模型的推理速度，导致对维度高、序列长度增加的数据检测准确性降低，推理时间增加。提出了一种基于图卷积网络和Transformer的多元时间序列异常检测方法。模型使用图卷积网络从多元时间序列中学习节点之间的复杂拓扑关系。其次，采用基于Transformer的编解码结构提取时间序列中的时间趋势。在4个真实世界传感器数据集上的实验研究了方法的性能，从而证明了它比基线方法更准确地检测出时间序列中的异常，而且满足工业生产对于异常检测时效的要求。