公开(公告)号：CN119939472A

公开(公告)日：2025-05-06

申请号：CN202510031636.0

申请日：2025-01-09

Applicant: 桂林电子科技大学

Inventor： 孙晋永 ,  马瑞阳 ,  尚之量

IPC: G06F18/2433 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明提供一种基于事件属性图的业务过程异常检测方法，属于业务过程管理领域。现有基于深度学习的业务过程异常检测方法大多仅利用事件序列信息，忽视结构信息，影响检测准确性。为此，本发明提出基于事件属性图嵌入的检测方法。首先，根据事件属性值依赖关系，将轨迹表示为多个事件属性图。然后，使用Weisfeiler‑Lehman算法建立子树模式语料库。接着，利用PV‑DBOW模型学习节点语义特征向量。接着，使用GRU编码器‑解码器构建下一事件属性值预测模型。最后，通过计算事件属性值的异常评分来判定异常。实验结果表明，与主流的业务过程异常检测方法相比，本发明的方法在异常检测性能上更为出色。

公开(公告)号：CN117472679A

公开(公告)日：2024-01-30

申请号：CN202311232791.6

申请日：2023-09-22

Applicant: 桂林电子科技大学

Inventor： 孙晋永 ,  马瑞阳

IPC: G06F11/30 ,  G06F11/34 ,  G06F16/2455 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明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。