基于拓扑信息增强与时频特征提取的无线传感器网络节点时空相关异常检测方法
网络与互联网体系结构
2026-04-28 v2
摘要
现有的无线传感器网络（WSN）异常检测方法普遍存在时空相关特征提取不足、仅依赖时域或频域信息以及计算开销高等问题。为解决这些局限，本文提出一种拓扑增强的时空特征融合异常检测方法 TE-MSTAD。首先，在具有线性注意力机制的 RWKV 模型基础上，引入跨模态特征提取（CFE）模块，以充分提取多节点间的空间相关特征，同时降低计算资源消耗。其次，设计了一种通过联合学习时频域特征的空间相关性来构建邻接矩阵的策略，并集成不同的图神经网络以增强空间相关特征提取，从而充分捕获多节点间的空间关系。最后，设计了一个用于时频域特征融合的双分支网络 TE-MSTAD，克服了仅依赖时域或频域的局限性，从而提升 WSN 异常检测性能。在公开数据集和真实世界数据集上的测试表明，TE-MSTAD 模型的 F1 分数分别达到 92.52% 和 93.28%，与现有方法相比，展现出更优的检测性能和泛化能力。
引用
@article{arxiv.2601.11951,
title = {A method for detecting spatio-temporal correlation anomalies of WSN nodes based on topological information enhancement and time-frequency feature extraction},
author = {Miao Ye and Ziheng Wang and Qiuxiang Jiang and Xingsi Xue and Wenxi Liu and Yu Ning and Cheng Zhu},
journal= {arXiv preprint arXiv:2601.11951},
year = {2026}
}