结合数据流和控制流漂移发现的异常检测方法及系统技术方案

本发明专利技术属于业务过程异常检测技术领域，公开了一种结合数据流和控制流漂移发现的异常检测方法及系统，对事件日志中的事件名与其他事件属性使用独热编码进行统一编码，得到案例特征数据集；构建事件属性预测模型，获取业务过程实例的下一事件的所有可能发生事件及其属性的概率分布；对预测结果进行异常判定，得到候选异常案例集合；使用基于霍夫丁不等式的双层滑动窗口机制、概念漂移比率从候选异常案例集中识别出数据流、控制流漂移案例，进而得到真正的异常案例；采用循环更新策略，使用得到的漂移案例集作为新知识来更新事件属性预测模型。本发明专利技术能够较准确地发现事件日志中的数据流漂移，可以获得较高的异常检测准确性。

【技术实现步骤摘要】

本专利技术属于业务过程异常检测，尤其涉及一种结合数据流和控制流漂移发现的异常检测方法及系统。

技术介绍

1、业务过程管理(businessprocessmanagement，bpm)是一种以规范化地构造端到端的业务过程为中心，以持续提高企业和组织绩效为目的的系统化方法。业务过程监控是bpm的重要任务之一。过程感知信息系统(processaware informationsystem,pais)是由业务过程驱动的信息系统，已在各行各业广泛使用。业务过程监控是在pais运行时分析其业务过程执行时产生的事件日志，监控业务过程的性能及其业务目标。

2、在业务过程的实际运行中，业务过程可能需要做出一定的改变以适应不断变化的外部环境。业务过程中的概念漂移，也称过程漂移，是指业务过程模型在业务过程运行中受多种因素影响而发生变化的情况。在当今充满活力的市场经济中，现代企业和组织越来越有必要简化业务过程，以降低运营成本和提高业务处理效率。客户也希望企业和组织能够灵活地适应不断变化的业务环境。此外，市场供需的极端变化、季节性影响、自然灾害和灾难以及政策改变等情况也本文档来自技高网...

【技术保护点】

1.一种结合数据流和控制流漂移发现的异常检测方法，其特征在于，包括：

2.根据权利要求1所述的结合数据流和控制流漂移发现的异常检测方法，其特征在于，所述步骤一，首先对事件日志中所有出现过的事件名、事件属性采用独热编码方法进行编码，设C为案例集合，Ename为活动名集合，A为事件属性的集合，|Cmax|为事件序列最长的案例的事件序列长度，对于案例的事件序列，在序列的开头与结尾处分别先添加开始事件(Start)与结束事件(End)，然后按照事件在事件日志中的出现顺序进行编码。

3.根据权利要求1所述的结合数据流和控制流漂移发现的异常检测方法，其特征在于，所述步骤二，事...

【技术特征摘要】

1.一种结合数据流和控制流漂移发现的异常检测方法，其特征在于，包括：

2.根据权利要求1所述的结合数据流和控制流漂移发现的异常检测方法，其特征在于，所述步骤一，首先对事件日志中所有出现过的事件名、事件属性采用独热编码方法进行编码，设c为案例集合，ename为活动名集合，a为事件属性的集合，|cmax|为事件序列最长的案例的事件序列长度，对于案例的事件序列，在序列的开头与结尾处分别先添加开始事件(start)与结束事件(end)，然后按照事件在事件日志中的出现顺序进行编码。

3.根据权利要求1所述的结合数据流和控制流漂移发现的异常检测方法，其特征在于，所述步骤二，事件属性预测模型分为控制流网络(controlflownet)和数据流网络(dataflownet)两部分，adcdd+方法训练循环神经网络gru来预测事件及其属性的概率分布，控制流网络的输入为案例集合c中某case的第i-1个事件名f1i-1，f1i-1的下标1表示这是第一个事件属性，即事件名，embedding层将事件属性转换为向量，输出层为一个softmax层，输出结果为第i个事件的所有可能发生事件的概率分布数据流网络的输入为事件名f1i、gru的内部状态，进行训练以预测该事件所有属性，数据流网络为每个事件属性提供一个单独的softmax层，输出结果为第i个事件的所有属性的概率分布

4.根据权利要求1所述的结合数据流和控制流漂移发现的异常检测方法，其特征在于，所述步骤三，将案例中各个事件和属性发生的概率转化为异常评分，异常评分是一个用于判断业务过程实例的某个事件属性值是否异常的实数s，s为在0到1间的小数，s∈[0,1]，异常评分使用函数fscore(p,ptrue)计算，如下式所示：

5.根据权利要求1所述的结合数据流和控制流漂移发现的异常检测方法，其特征在...

【专利技术属性】
技术研发人员：孙晋永，马瑞阳，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：