基于注意力机制的业务过程异常检测方法

鉴于大多数业务过程异常检测方法能够检测业务过程实例或事件的异常,却难以定位发生异常的具体事件属性,提出一种基于注意力机制的业务过程异常检测方法。从控制流和数据流两个视角挖掘业务过程事件日志中的过程特征,构造数据集;基于注意力机制构建业务过程实例下一事件的预测模型,以预测当前过程实例的下一个执行事件及其属性的概率分布;采用过程实例中实际发生事件各属性的值和预测所得该事件各属性值的概率分布计算该事件各属性的异常评分,异常评分大于阈值的事件属性为异常属性,定位该事件属性为异常来源。仿真实验表明,与现有主流业务过程异常检测方法相比,所提异常检测方法在公开数据集上可以更准确地检测出业务过程实例事件及其属性异常,并可定位引发异常的具体事件属性,从而提高过程感知信息系统的运行平稳性。

基于概念漂移发现的业务过程异常检测方法

现有的业务过程异常检测方法假定业务过程固定不变,忽视因出现概念漂移而导致业务过程模型变化的情况,以致现有的异常检测方法准确率下降。提出一种使用事件日志、基于概念漂移发现的业务过程异常检测方法。构建结合概念漂移发现方法和基于循环神经网络的业务过程异常检测模型,从事件日志中提取事件序列特征数据集,使用该模型中的事件预测模块来预测事件发生的概率,根据事件发生的概率分布来计算事件日志中每个案例的异常分数。异常分数大于设定的异常评分阈值的事件所在的案例被认为是候选异常案例。使用霍夫丁不等式来判断概念漂移是否已发生,并使用双层滑动窗口机制来获取概念漂移案例的发生位置,从候选异常案例提取概念漂移案例。使用增量学习将概念漂移案例用于更新事件预测模块,使过程异常检测模型能够辨别概念漂移案例与真正异常案例,更准确地检测出真正的业务过程异常。实验结果表明,与主流的业务过程异常检测方法相比,所提异常检测方法可以较准确地发现业务过程中的概念漂移,能够更准确地检测出业务过程中发生的异常,对提高业务过程运行的平稳性有积极意义。