工业控制系统（ICS）的异常检测对于保障关键基础设施的安全至关重要。近年来，随着网络物理攻击（如针对水处理系统、电力网的攻击）的威胁日益增加，多变量时间序列异常检测成为了一个研究热点。现有的最先进方法通常基于原始时域幅度值来建模传感器之间的关系，采用图神经网络或Transformer等架构。然而，这些方法忽略了时频变换所产生的相位谱信息。相位信息可能提供一种互补且之前被忽视的检测模态。
在这项工作中，作者提出了PhaseNet++，一种频域自编码器。该方法首先对滑动传感器窗口应用短时傅里叶变换（STFT），同时保留幅度谱和相位谱。核心创新在于引入了相位相干指数（PCI），该指数受神经科学中的相位锁定值启发，将频率分量间的成对相位一致性总结为一个连续的邻接矩阵。这个矩阵用于引导一个图注意力网络，使得信息优先在相位同步的传感器之间传播。此外，一个传感器令牌Transformer编码器捕获系统级的结构信息，而双头解码器则通过圆形和相干感知目标联合重建幅度和相位。
在安全水处理（SWaT）基准数据集上，PhaseNet++取得了优异的性能：F1分数为90.98%，ROC-AUC为95.66%，平均精度为91.51%。消融实验表明，相位感知前端和PCI图模块总共仅增加了264,816个参数，证明了相位归纳偏置的轻量高效性。尽管在绝对F1分数上，PhaseNet++略低于某些最近在不同协议下评估的原始值方法，但作者将其定位为ICS中相位域异常检测的首个系统性研究，为未来工作开辟了新的方向。这项工作表明，相位信息是传统幅度域方法的一个有价值的补充，并为工业环境中的异常检测提供了一种新的思路。