基于知识图谱的6G通信网络时空双路径异常检测方法

《IEEE Transactions on Machine Learning in Communications and Networking》：Knowledge Graph-enhanced Spatiotemporal Dual-Path Anomaly Detection for 6G Communication Networks

　　

摘要：

随着无线通信技术向第六代（6G）系统发展，智能网络逐渐演变为以用户为中心、去中心化且高度异构的环境。这类系统中的多源异构时间序列数据呈现出前所未有的规模、复杂性以及强烈的时空耦合性。在传统领域中常见的挑战——如复杂的时间依赖关系、高维度问题以及标记异常数据的稀缺性——在6G场景下更为突出，再加上复杂的空间拓扑结构和动态的实体间关系，使得这些问题更加严峻。为了解决这些挑战，本文提出了一种基于知识图谱的时空双路径异常检测框架（KG-STDAD）。该框架将知识图谱中的社区级语义信息与具有独立时空处理路径的Transformer架构相结合，并通过基于变分自编码器的重建功能来增强对时空依赖关系的联合建模能力。具体而言，设计了Transformer-VAE模块来捕捉动态的时间模式；同时，通过引入社区ID嵌入、社区深度掩码以及注意力机制中的边编码，借助通信知识图谱中的结构化信息来提升空间建模能力。在三个数据集上的大量实验表明，KG-STDAD具有更优异的性能。消融实验进一步证实了双路径架构和基于知识图谱的编码方法的关键作用。这项工作为以用户为中心的6G网络提供了准确且可解释的异常检测方案，同时也为知识驱动与数据驱动方法的融合提供了新的思路。