論文の概要: Control-flow anomaly detection by process mining-based feature extraction and dimensionality reduction

• arxiv url: http://arxiv.org/abs/2502.10211v1
• Date: Fri, 14 Feb 2025 15:06:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:44:56.420535
• Title: Control-flow anomaly detection by process mining-based feature extraction and dimensionality reduction
• Title（参考訳）: プロセスマイニングに基づく特徴抽出と次元減少による制御フロー異常検出
• Authors: Francesco Vitale, Marco Pegoraro, Wil M. P. van der Aalst, Nicola Mazzocca,
• Abstract要約: 本稿では,アライメントに基づくアライメントチェックを用いたプロセスマイニングに基づく特徴抽出手法を提案する。 制御フロー異常検出技術を開発するために,本手法を柔軟かつ説明可能なフレームワークに統合する。
• 参考スコア（独自算出の注目度）: 3.1003659570488513
• License:
• Abstract: The business processes of organizations may deviate from normal control flow due to disruptive anomalies, including unknown, skipped, and wrongly-ordered activities. To identify these control-flow anomalies, process mining can check control-flow correctness against a reference process model through conformance checking, an explainable set of algorithms that allows linking any deviations with model elements. However, the effectiveness of conformance checking-based techniques is negatively affected by noisy event data and low-quality process models. To address these shortcomings and support the development of competitive and explainable conformance checking-based techniques for control-flow anomaly detection, we propose a novel process mining-based feature extraction approach with alignment-based conformance checking. This variant aligns the deviating control flow with a reference process model; the resulting alignment can be inspected to extract additional statistics such as the number of times a given activity caused mismatches. We integrate this approach into a flexible and explainable framework for developing techniques for control-flow anomaly detection. The framework combines process mining-based feature extraction and dimensionality reduction to handle high-dimensional feature sets, achieve detection effectiveness, and support explainability. The results show that the framework techniques implementing our approach outperform the baseline conformance checking-based techniques while maintaining the explainable nature of conformance checking. We also provide an explanation of why existing conformance checking-based techniques may be ineffective.
• Abstract（参考訳）: 組織のビジネスプロセスは、未知の、スキップされた、誤った順序付けられたアクティビティを含む破壊的な異常により、通常の制御フローから逸脱する可能性がある。 これらの制御フロー異常を識別するために、プロセスマイニングは、モデル要素と逸脱をリンクできる説明可能なアルゴリズムである適合性チェックを通じて、参照プロセスモデルに対して制御フローの正当性をチェックすることができる。 しかし、適合性チェックに基づく手法の有効性は、ノイズの多い事象データと低品質プロセスモデルに負の影響を受けている。 これらの欠点に対処し、制御フロー異常検出のための競合的かつ説明可能な適合性チェック手法の開発を支援するために、アライメントに基づく適合性チェックを用いたプロセスマイニングに基づく特徴抽出手法を提案する。 この変種は、逸脱制御フローと参照プロセスモデルとを一致させ、その結果のアライメントを検査して、与えられたアクティビティがミスマッチを引き起こした回数などの追加統計を抽出することができる。 制御フロー異常検出技術を開発するために,本手法を柔軟かつ説明可能なフレームワークに統合する。 このフレームワークは、プロセスマイニングに基づく特徴抽出と次元削減を組み合わせて、高次元特徴集合を扱い、検出効率を達成し、説明可能性をサポートする。 その結果,本手法を実装したフレームワーク技術は,適合性チェックの解説性を維持しつつ,ベースライン適合性チェック技術よりも優れていることがわかった。 また、既存の適合チェックベースの手法がなぜ有効でないのかを説明する。

関連論文リスト

• Unsupervised Anomaly Detection Using Diffusion Trend Analysis [48.19821513256158]
  本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。 提案手法は,産業用異常検出のためのオープンデータセット上で検証される。
  論文  参考訳（メタデータ） (2024-07-12T01:50:07Z)
• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)
• Tensor-based process control and monitoring for semiconductor manufacturing with unstable disturbances [13.114681056884832]
  本稿では,高次元画像ベースオーバーレイ誤差の複雑な構造に対するプロセス制御とモニタリング手法を提案する。 提案手法は,制限された制御レシピを用いてオーバーレイ誤差を低減することを目的としている。
  論文  参考訳（メタデータ） (2024-01-31T03:35:08Z)
• Alignment-based conformance checking over probabilistic events [4.060731229044571]
  本稿では、重み付きトレースモデルと重み付きアライメントコスト関数と、イベントデータに対する信頼度を制御するカスタムしきい値パラメータを導入する。 結果のアルゴリズムは、プロセスモデルとよりよく一致した、低いが十分に高い確率のアクティビティを考慮します。
  論文  参考訳（メタデータ） (2022-09-09T14:07:37Z)
• Online Soft Conformance Checking: Any Perspective Can Indicate Deviations [0.0]
  コンフォーマンスチェック(Conformance check)は、プロセスの実行が参照モデルの期待される振る舞いに適合する範囲を確立するために用いられる。 本稿では、必ずしも制御フローを参照していない記述モデルを用いた適合性アプローチを提案する。 アプローチ全体がオフラインでもオンラインでも動作し、リアルタイムでフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-01-23T10:26:44Z)
• Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
  本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。 まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。 次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
  論文  参考訳（メタデータ） (2021-11-18T23:21:00Z)
• Sparsity in Partially Controllable Linear Systems [56.142264865866636]
  本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。 最適制御には無関係な状態変数を特徴付ける。
  論文  参考訳（メタデータ） (2021-10-12T16:41:47Z)
• Safe Chance Constrained Reinforcement Learning for Batch Process Control [0.0]
  強化学習(RL)コントローラは,コントロールコミュニティ内で興奮を引き起こしている。 エンジニアリングアプリケーションに関する最近の焦点は、安全なRLコントローラの開発に向けられている。
  論文  参考訳（メタデータ） (2021-04-23T16:48:46Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)
• The Impact of Data on the Stability of Learning-Based Control- Extended Version [63.97366815968177]
  本稿では,Lyapunovをベースとした,認証制御性能に対するデータの影響の定量化手法を提案する。 ガウス過程を通じて未知系の力学をモデル化することにより、モデルの不確実性と安定性条件の満足度の間の相互関係を決定できる。
  論文  参考訳（メタデータ） (2020-11-20T19:10:01Z)
• Gradient Flows for Regularized Stochastic Control Problems [7.801972633035922]
  本研究では,相対エントロピーによって罰せられる目的を持つ確率測度となる行動空間の制御問題について検討する。 測定値制御プロセスのための勾配流を構築するための適切な距離空間を同定する。
  論文  参考訳（メタデータ） (2020-06-10T17:07:36Z)

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。