Підхід до виявлення аномальної поведінки процесів в системах процесного управління на основі аналізу логів

Автор(и)

  • Віктор Макарович Левикін
  • Оксана Вікторівна Чала

DOI:

https://doi.org/10.20998/2079-0023.2017.55.13

Ключові слова:

аномалія, база знань, інтелектуальний аналіз процесів, процесне управління, контекст

Анотація

В роботі запропоновано підхід до виявлення аномалій поведінки знання-ємних бізнес-процесів на основі порівняльного аналізу трас у складі журналів реєстрації подій. Підхід враховує темпоральному і об’єктний аспекти виконання бізнес-процесу. Темпоральний аспект визначає послідовність подій, що відображають виконання дій бізнес-процесу. Обєктний визначає характеристики об’єктів, що використовуютья бізнес-процесом при виконанні цих дій. При пошуку аномальних фрагментів обчислюється відстань між трасами у просторі атрибутів подій. В якості ознак початку та закінчення аномального фрагменту використовується кут відхилення між трасами. Підхід визначає множину атрибутів об’єктів, пов’язаних з виконанням аномального фрагменту, а також значень цих атрибутів, що в подальшому може бути використано для удосконалення бізнес-процесу.

Посилання

Van der Aalst W. M. P. Process Mining: Discovery, Conformance and Enhancement of Business Processes. Springer, Berlin Heidelberg, 2011. 352 p.

Aggarwal C. C., Charu C. Data Mining: The Textbook. Springer, 2015. 734 p.

Barnett V, Lewis T. Outliers in Statistical Data. John Wiley & Sons, 1994. 582 p.

Breunig M. M., Kriegel H.-P., R. T. Ng, Sander J. LOF: Identifying density-based local outliers. Proc. 2000 ACM SIGMOD Int’l Conf. on Management of Data. 2000, pp. 93–104.

Papadimitriou S., Kitagawa H., Gibbons P. B., Faloutsos C. LOCI: Fast outlier detection using the local correlation integral. Proc. 19th Int’l Conf. on Data Engineering. 2003, pp.315–326.

Knorr E. M., Ng R. T. Algorithms for mining distance-based outliers in large datasets. Proc. 24th Int’l Conf. on Very Large Data Bases. 1998, pp. 392–403.

Knorr E. M, Ng R. T., Tucakov V. Distance-based outliers: Algorithms and applications. VLDB Journal. 2000, vol. 8, no. 3, pp. 237– 253.

Ramaswamy S., Rastogi R., Shim K. Efficient algorithms for mining outliers from large datasets. Proc. 2000 ACM SIGMOD Int’lConf. on Management of Data. 2000, pp. 427–438.

Aggarwal C. C., Yu P. S. Outlier detection for high dimensional data. Proc. 2001 ACM SIGMOD Int’l Conf. on Management of Data. 2001, pp. 37–46.

Hawkins D. Identification of Outliers. Chapman and Hall, 1980. 188 p.

##submission.downloads##

Опубліковано

2017-12-26

Як цитувати

Левикін, В. М., & Чала, О. В. (2017). Підхід до виявлення аномальної поведінки процесів в системах процесного управління на основі аналізу логів. Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї, (55), 77–81. https://doi.org/10.20998/2079-0023.2017.55.13

Номер

Розділ

СИСТЕМНИЙ АНАЛІЗ І ТЕОРІЯ ПРИЙНЯТТЯ РІШЕНЬ