2024年4月，实验室杜鑫博士撰写的论文“Anomaly Detection Based on Data Super-Resolution in Industrial Cyber-Physical Systems With Multirate Sampling”被期刊IEEE Sensors Journal(影响因子4.3)录用。

这篇文章通过分析石油炼化装置攻击检测研究中面临的挑战，提炼现有异常检测文献中存在的问题，提出了一种基于数据超分辨率的异常检测方法。针对石油炼化装置中存在的不同类别变量存在多种采样间隔的问题，利用扩展机理模型设计了多采样率数据的时域与空间超分辨率扩展的方法，该方法在对多采样率数据中慢采样数据缺失的数据进行补偿，同时向数据中补充额外的空间扩展特征，从而得到时空超分辨化的数据。在此基础上，设计了一种异常注入的自动编码机，该模型通过在训练过程中主动向模型输入的一定比例特征中动态随机注入异常，并让模型重构回正常数据的方式来提升模型对异常数据的检测能力。在两个开源数据集中的实验结果表明，相对于现存的方法，所提出的方法可以得到最佳的检测性能。

论文研究得到了国家自然科学基金项目（62127808、62320106005）的资助。