論文の概要: A Distance Measure for Privacy-preserving Process Mining based on Feature Learning

• arxiv url: http://arxiv.org/abs/2107.06578v1
• Date: Wed, 14 Jul 2021 09:44:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-15 14:24:27.781402
• Title: A Distance Measure for Privacy-preserving Process Mining based on Feature Learning
• Title（参考訳）: 特徴学習に基づくプライバシー保護プロセスマイニングのための距離尺度
• Authors: Fabian R\"osel, Stephan A. Fahrenkrog-Petersen, Han van der Aa, Matthias Weidlich
• Abstract要約: イベントの埋め込みがトレースの距離測定値の定義を可能にし、イベントログの匿名化を導く方法を示す。 実世界のデータを用いた実験により, この測定値を用いた匿名化が, 様々な次元において, 元のログに近いログを生成することを示す。
• 参考スコア（独自算出の注目度）: 5.250561515565923
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To enable process analysis based on an event log without compromising the privacy of individuals involved in process execution, a log may be anonymized. Such anonymization strives to transform a log so that it satisfies provable privacy guarantees, while largely maintaining its utility for process analysis. Existing techniques perform anonymization using simple, syntactic measures to identify suitable transformation operations. This way, the semantics of the activities referenced by the events in a trace are neglected, potentially leading to transformations in which events of unrelated activities are merged. To avoid this and incorporate the semantics of activities during anonymization, we propose to instead incorporate a distance measure based on feature learning. Specifically, we show how embeddings of events enable the definition of a distance measure for traces to guide event log anonymization. Our experiments with real-world data indicate that anonymization using this measure, compared to a syntactic one, yields logs that are closer to the original log in various dimensions and, hence, have higher utility for process analysis.
• Abstract（参考訳）: プロセス実行に関わる個人のプライバシーを損なうことなく、イベントログに基づくプロセス分析を可能にするために、ログを匿名化することができる。 このような匿名化は、証明可能なプライバシ保証を満たすようにログを変換すると同時に、プロセス分析のユーティリティを大きく維持する。 既存の手法は、単純な構文的手法を用いて匿名化を行い、適切な変換操作を識別する。 このように、トレース内のイベントによって参照されるアクティビティのセマンティクスは無視され、関連するアクティビティのイベントがマージされるトランスフォーメーションに繋がる可能性がある。 これを回避し、匿名化中の活動の意味を組み込むために、特徴学習に基づく距離尺度を導入することを提案する。 具体的には,イベントの埋め込みがトレースの距離測定値の定義を可能にし,イベントログの匿名化を導く方法を示す。 実世界のデータを用いた実験から, この手法を用いた匿名化は, 様々な次元において, 元のログに近いログが生成され, プロセス解析に有用であることが示唆された。

関連論文リスト

• Multiple Object Tracking as ID Prediction [14.890192237433771]
  マルチプルオブジェクトトラッキング(MOT)では、トラッキング・バイ・検出の手法が長い間テストされてきた。 シングルフレーム検出器を活用し、手作りのアルゴリズムとサロゲートタスクを通じてオブジェクト関連を後処理のステップとして扱う。 しかし、テクニックの性質は、トレーニングデータのエンドツーエンドの活用を妨げるため、ますます面倒で困難な手作業の修正につながる。
  論文  参考訳（メタデータ） (2024-03-25T15:09:54Z)
• Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
  本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。 まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。 次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2024-02-14T14:17:56Z)
• LogFormer: A Pre-train and Tuning Pipeline for Log Anomaly Detection [73.69399219776315]
  本稿では,ログ異常検出(LogFormer)のためのTransformerベースの統合フレームワークを提案する。 具体的には、ログデータの共有セマンティック知識を得るために、まず、ソースドメイン上で事前学習を行う。 そして、そのような知識を共有パラメータを介して対象領域に転送する。
  論文  参考訳（メタデータ） (2024-01-09T12:55:21Z)
• Measuring Rule-based LTLf Process Specifications: A Probabilistic Data-driven Approach [2.5407767658470726]
  宣言的プロセス仕様は、有限トレース上の線形時間論理に基づくルールによってプロセスの振舞いを定義します。 マイニングの文脈では、これらの仕様は情報システムによって記録された複数セットの実行から推論され、チェックされる。 本稿では,イベントログに対する仕様書の満足度を測定する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-09T13:07:01Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• Tag-Based Attention Guided Bottom-Up Approach for Video Instance Segmentation [83.13610762450703]
  ビデオインスタンスは、ビデオシーケンス全体にわたるオブジェクトインスタンスのセグメンテーションと追跡を扱う、基本的なコンピュータビジョンタスクである。 そこで本研究では,従来の領域プロモーター方式ではなく,画素レベルの粒度でインスタンスマスク予測を実現するための,単純なエンドツーエンドのボトムアップ方式を提案する。 提案手法は,YouTube-VIS と DAVIS-19 のデータセット上での競合結果を提供する。
  論文  参考訳（メタデータ） (2022-04-22T15:32:46Z)
• FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
  競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。 本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
  論文  参考訳（メタデータ） (2022-04-07T17:59:32Z)
• Reliable Shot Identification for Complex Event Detection via Visual-Semantic Embedding [72.9370352430965]
  本稿では,映像中の事象検出のための視覚的意味的誘導損失法を提案する。 カリキュラム学習に動機付け,高い信頼性の事例で分類器の訓練を開始するために,負の弾性正規化項を導入する。 提案する非ネット正規化問題の解法として,代替最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-10-12T11:46:56Z)
• SaCoFa: Semantics-aware Control-flow Anonymization for Process Mining [4.806322013167162]
  プロセスのセマンティクスを組み込んだプライバシー保護について論じる。 指数関数的なメカニズムに基づいて,クエリ結果の差分プライバシーを確保するためにセマンティック制約が組み込まれていることを示す。
  論文  参考訳（メタデータ） (2021-09-17T12:26:49Z)
• PROVED: A Tool for Graph Representation and Analysis of Uncertain Event Data [0.966840768820136]
  プロセスマイニングの分野は、歴史的なプロセス実行を分析して、データ駆動方式でプロセスを研究することを目的としている。 近年のイベントデータは,不確実なイベントデータを含むプロセスマイニングコミュニティの関心を集めている。 PROVEDツールは、このような不確実なイベントデータを探索、ナビゲート、分析するのに役立ちます。
  論文  参考訳（メタデータ） (2021-03-09T17:11:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。