基于上下文感知的多角度业务流程在线异常检测方法

TP311; 针对目前大多数方法仅从单一视角检测业务流程执行异常而导致的异常检测不全面问题,本文提出了一种基于上下文感知的多角度业务流程在线异常检测方法,方法从多个视角出发对当前执行实例可能存在的三类异常情况进行在线检测,即行为异常、时间异常和属性异常.方法还借助重演技术从事件日志中充分捕获当前实例执行的行为上下文和数据上下文以更好地模拟其真实执行环境,并将结果与深度学习方法相结合,建立了实时异常检测模型,有效提高了异常检测的性能.在四个真实数据集上的实验结果表明,本文提出的方法在召回率上比支持向量机、K最近邻、决策树算法分别提高了18.5％、19.8％和8.4％,在F1分数上分别提高了15....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 27; no. 9; pp. 2532 - 2541
Main Authors 孙笑笑, 侯文杰, 沈沪军, 应钰柯, 俞东进
Format Journal Article
LanguageChinese
Published 杭州电子科技大学 计算机学院,浙江 杭州 310018 01.09.2021
复杂系统建模与仿真教育部重点实验室,浙江 杭州 310018
Subjects
异常检测;上下文感知;业务流程管理;重演;神经网络
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2021.09.006

Cover

More Information
Summary:TP311; 针对目前大多数方法仅从单一视角检测业务流程执行异常而导致的异常检测不全面问题,本文提出了一种基于上下文感知的多角度业务流程在线异常检测方法,方法从多个视角出发对当前执行实例可能存在的三类异常情况进行在线检测,即行为异常、时间异常和属性异常.方法还借助重演技术从事件日志中充分捕获当前实例执行的行为上下文和数据上下文以更好地模拟其真实执行环境,并将结果与深度学习方法相结合,建立了实时异常检测模型,有效提高了异常检测的性能.在四个真实数据集上的实验结果表明,本文提出的方法在召回率上比支持向量机、K最近邻、决策树算法分别提高了18.5％、19.8％和8.4％,在F1分数上分别提高了15.9％、25.4％和8.4％.区别于以往检测方法仅对流程执行数据进行事后分析的特点,本方法提出的异常检测方法适用于实时在线检测,具有更好的时效性.
ISSN:1006-5911
DOI:10.13196/j.cims.2021.09.006