工業控制系統（ICS）的異常檢測對於保障關鍵基礎設施的安全至關重要。近年來，隨着網絡物理攻擊（如針對水處理系統、電力網的攻擊）的威脅日益增加，多變量時間序列異常檢測成為了一個研究熱點。現有的最先進方法通常基於原始時域幅度值來建模傳感器之間的關係，採用圖神經網絡或Transformer等架構。然而，這些方法忽略了時頻變換所產生的相位譜信息。相位信息可能提供一種互補且之前被忽視的檢測模態。
在這項工作中，作者提出了PhaseNet++，一種頻域自編碼器。該方法首先對滑動傳感器窗口應用短時傅里葉變換（STFT），同時保留幅度譜和相位譜。核心創新在於引入了相位相干指數（PCI），該指數受神經科學中的相位鎖定值啓發，將頻率分量間的成對相位一致性總結為一個連續的鄰接矩陣。這個矩陣用於引導一個圖注意力網絡，使得信息優先在相位同步的傳感器之間傳播。此外，一個傳感器令牌Transformer編碼器捕獲系統級的結構信息，而雙頭解碼器則通過圓形和相干感知目標聯合重建幅度和相位。
在安全水處理（SWaT）基準數據集上，PhaseNet++取得了優異的性能：F1分數為90.98%，ROC-AUC為95.66%，平均精度為91.51%。消融實驗表明，相位感知前端和PCI圖模塊總共僅增加了264,816個參數，證明了相位歸納偏置的輕量高效性。儘管在絕對F1分數上，PhaseNet++略低於某些最近在不同協議下評估的原始值方法，但作者將其定位為ICS中相位域異常檢測的首個系統性研究，為未來工作開闢了新的方向。這項工作表明，相位信息是傳統幅度域方法的一個有價值的補充，併為工業環境中的異常檢測提供了一種新的思路。