オンラインイベントストリームの解析:異常検出のための次の活動の予測【JST・京大機械翻訳】

Lee Suhwan; Lu Xixi; Reijers Hajo A.

プレプリント

J-GLOBAL ID：202202205219233456 整理番号：22P0306269

オンラインイベントストリームの解析:異常検出のための次の活動の予測【JST・京大機械翻訳】

The Analysis of Online Event Streams: Predicting the Next Activity for Anomaly Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月17日プレプリントサーバーでの情報更新日： 2022年03月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

プロセスマイニングにおける異常検出は,プロセス実行における異常ケースまたはイベントの同定に焦点を合わせる。得られた診断を用いて, fraudent行動を防止するための対策を提供し,また,プロセスコンプライアンスとセキュリティを改善するための推奨事項を導いた。ほとんどの既存の技術は,オフライン設定における異常事例の検出に焦点を合わせている。しかし,タイムリーな方法で潜在的異常を同定し,即時対策を取るためには,リアルタイムでオンラインでイベントレベル異常を検出する必要がある。本論文では,次の活動予測法を用いてオンラインイベント異常検出問題に取り組むことを提案した。より具体的には,MLモデル(RFとXGBoostのような)と深いモデル(LSTMのような)の両方の使用を調べ,次の活動の確率を予測し,異常として予測される事象を考慮する。これらの予測異常検出法を,オンライン設定における4つの古典的教師なし異常検出手法(分離森林とLOFのような)と比較した。著者らの評価は,MLモデルを使用する提案方法が深いモデルを使用するものより優れている傾向があるが,一方,両方の方法は異常事象を検出する際に古典的教師なし方式より優れていることを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識 , 人工知能

, , ,

前のページに戻る