تُعتبر سلامة الوقت عبر أجهزة إنترنت الأشياء (IoT) الموزعة عاملاً أساسياً لضمان موثوقية الاستشعار والتحكم والأمان في أنظمة الطاقة. ومع ذلك، يُظهر نظام إنترنت الأشياء للطاقة نقاط ضعف تتعلق بتزايد انحراف الساعة، والتلاعب في توقيت التزامن، وانقطاعات الطوابع الزمنية الكارثية، مثل تدفق عصر ي2ك38 (Y2K38) المقرر في عام 2038. هذه الإخفاقات تؤدي إلى انتهاك أحادية الطوابع الزمنية، وتؤثر سلباً على ترتيب الأحداث الزمنية، وتدخل التناقضات المهيكلة في ملاحظات النظام.

تُظهر النماذج التقليدية للكشف عن الشذوذ (Anomaly Detection Models)، التي تفترض في الغالب موثوقية وتوافق الطوابع الزمنية، عدم القدرة على التعامل مع مثل هذه الحالات الفوضوية. لذا جاءت الورقة البحثية الأخيرة لتقدم حلاً مبتكراً تحت اسم STGAT (Spatio-Temporal Graph Attention Network)، وهو نموذج متقدم للكشف عن الشذوذ يعتمد على فهم ديناميات الساعة. يجمع STGAT بين النمذجة الزمنية المدركة لانحراف الساعة والانتباه الذاتي الزمني لالتقاط تطورات الزمن غير المتسقة والمفسدة داخل تدفقات الأجهزة الفردية.

بالإضافة إلى ذلك، يتميز النموذج بتوظيف تقنيات الانتباه على الرسم البياني (Graph Attention) لتوزيع التناقضات الزمنية عبر العقد المترابطة. وقد أظهرت التقييمات التجريبية على أنظمة إنترنت الأشياء للطاقة المراقبة أداءً رائعاً من حيث الدقة، حيث حقق STGAT دقة تصل إلى 95.7%، مع دقة تبلغ 94.0%، واستدعاء بنسبة 92.0%، وF1-score تصل إلى 93.0%، ونسبة منطقة تحت المنحنى (AUC) تبلغ 0.97. كما نجح النموذج في تقليل زمن الكشف إلى 2.3 خطوة زمنية، ما يمثل تحسيناً بنسبة 26% مقارنةً بأقرب نموذج مرجعي، مع الحفاظ على أداء ثابت تحت الظروف الزمنية القاسية.