科研之友
微信
新浪微博
Facebook
分享链接
摘要
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，文中的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。
- 单位
