事件日志

摘要： 传统的流程挖掘技术通常假设过程模型在服务期间不会随时间改变,但是实际过程模型在执行中总是动态调整的。检测漂移发生的时间点并确定漂移过程中所涉及的行为变化,可以帮助业务分析人员更好地理解流程行为。目前大多数方法侧重于漂移检测和变体差异分析这两个独立的任务,但漂移检测仅能单纯定位发生变化的关键点,不能对漂移点前后流程行为的变化进行描述,因而无法有效地对流程进行配置和维护。因此,提出一种集漂移检测和流程变体差异分析于一体的综合方法,既能检测漂移又能对漂移后流程行为的差异进行具体分析。应用不同类型的控制流变化得到的事件日志来评估该方法,验证了所提方法的有效性。

摘要： 在企业业务运行过程中会产生大量的数据,这些数据以事件日志的方式进行保存.通过对事件日志的采集、处理和分析可以支持对业务过程的挖掘、监控和优化.然而,原始的事件日志因含有各种类型的数据质量问题而无法直接应用于过程挖掘与分析.尽管目前在数据挖掘领域已提出各种数据预处理方法进行数据过滤,但由于业务过程事件日志中事件信息的序列化、动态化以及传递性等特点不同于普通数据,所以无法简单地应用传统的数据预处理方法对事件日志进行预处理.本文对事件日志数据预处理的研究现状进行了系统化的总结,分析了事件日志数据预处理技术面临的挑战,并对未来的研究方向进行了展望.

摘要： 目的随着医疗数据的快速增长,过程挖掘成为一个新的研究热点。然而目前缺乏能够直接用于医疗过程挖掘的数据抽取工具,为此课题组开发了基于openEHR原型查询语言(archetype query language,AQL)的数据抽取软件,支持从兼容openEHR标准的医疗信息系统中提取事件日志,便于临床科研人员进行过程挖掘与分析。方法首先,对openEHR的元数据进行预处理,解析原型(archetype)和模板(template)文件,确定其中每个数据项的对应关系;其次,通过WordNet字典进行查询扩展,得到用户输入的同义词列表;然后,根据用户选择的数据项和设置的检索条件,自动生成原型查询语言脚本;最后,在电子病历服务器上运行AQL脚本提取出所需数据,并转换为过程挖掘所使用的标准事件日志格式(extensible event stream,XES)。结果本文以国家卫生健康委员会脑卒中防治工程委员会卒中院内筛查项目为例,将临床研究中3种常用的数据检索类型作为评价指标,对软件功能进行了验证。在输入查询条件后,软件能够自动生成和执行AQL脚本,并正确返回转换后的日志文件。结论本文开发的软件为临床科研人员提供了一种易用的医疗过程数据获取工具,它能够有效屏蔽异构信息系统的复杂性,便于开展医疗过程挖掘的分析与研究工作。

摘要： 针对传统流程发现算法在处理大规模事件日志时的性能瓶颈问题,提出一种基于轨迹信息增量的日志采样方法,通过量化事件之间的直接跟随关系和轨迹的特征信息,将轨迹是否带有新的流程行为作为采样标准,基于统计理论确定了最小连续遍历样本数量。为了进一步提高预处理速度,提出二进制指数跳跃算法来避免扫描重复轨迹。通过4个真实事件日志的实验表明,所提采样方法可以快速有效地缩小事件日志的规模,并保留关键的控制流和频率信息,同时提高流程发现算法的运行速度。

摘要： 为减少过程挖掘中隐私保护带来的效用损失,提出一种基于遗传算法的事件日志匿名化隐私保护方法。基于最小违规轨迹证明活动抑制集可行性的必要条件和约简规则,缩小大型日志集的搜索空间;根据基于日志的次序关系、轨迹变体和最大频繁轨迹设计适应度函数,引导种群向高效用性进化;改进交叉变异算子,保证种群多样性,避免遗传算法陷入局部最优。在真实事件日志上进行对比实验,结果表明在隐私保护强度相同的条件下,所提方法的效用损失比TLKC和基线方法生成的事件日志更低。

摘要： 针对已有采样方法在处理大规模事件日志时仍存在效率低下且无法保证模型质量的问题,提出面向日志完备性的事件日志采样方法,包括完全遍历采样法、集合覆盖采样法、基于轨迹长度的采样方法和基于轨迹频次的采样方法,并在开源流程挖掘工具平台ProM中实现。采用9个公开事件日志数据集从时间性能分析和模型质量评估两方面实验表明,所提采样方法在保证模型挖掘质量的前提下能够大幅提高日志采样效率。

摘要： 在跨企业、跨系统的环境中,流程数据通常记录在单独的事件日志中,这使得无法挖掘完整的端到端的执行流程,因此提出的算法仅使用事件名称以及时间戳属性对日志进行合并。首先分别获取两个系统的过程模型以及根据活动的跨系统跟随依赖关系获得的合并模型,接着将两个系统的流程一对一进行合并并按照时间戳排序,留下与合并模型路径一致的合并流程,然后从这些流程中获得一对一的实例对,即唯一主流程仅与唯一子流程可以合并,再从这些实例对中挖掘活动间的时间约束用于剩余日志的合并,重复最后两步直到所有日志均合并或无法一对一合并日志。该算法在真实的事件日志上进行了实验,达到了满意的合并效果并获得较高的准确率与召回率。

摘要： 过程挖掘的目的是通过分析系统中的日志以发现、构建和优化系统业务流程.现有的过程挖掘算法大多采用从控制流角度记录和观察进程工作流的系统日志,且日志在使用前需进行大量预处理工作将其转换为算法可识别的事件日志,不仅仅增加了挖掘难度,最终挖掘所获过程模型所含属性单一,很难准确描述实际流程的运作.为减少预处理工作,增强过程挖掘算法挖掘能力,基于系统事件执行详情,通过可利用属性的提取,提出了增强日志的概念,并基于增强日志开发出一种新的过程挖掘算法.此方法利用增强日志中的附加属性,识别事件结构,通过有色Petri网的加入,挖掘出具有场景信息的过程模型.最后通过一个具体的挖掘实例进一步说明了该方法的可行性及结果的可扩展性.

摘要： 为了保证在电子客票时代人们乘车的效率,提供给每位乘客最方便的乘车流程,给出了基于Petri网的电子客票时代乘车流程模型的优化分析方法.首先,通过问卷对身边人的乘车流程进行调查,调查结果整理成日志,通过PROM平台的插件,得到基本的Petri网模型;然后根据其他可能存在的情况进行分析,增加相应的变迁和库所进行优化和完善;最后分析了优化后流程模型的有效性.

摘要： 自奥巴马政府宣布“大数据的研究和发展计划”以来，大数据引起了世界各国的高度关注。面对大数据带来的各种挑战，业务过程管理必将得到进一步发展。校准是事件日志中迹与过程模型之间一致性检查的重要手段,可以精确定位偏差出现位置,但已有校准方法一次只能计算一条迹与过程模型之间的校准.若计算m条迹与过程模型之间的校准,需调用m次该方法,做大量重复工作.针对这个问题,基于Petri网提出一种新的校准方法——AoPm方法,同时得到多条迹与模型之间最优校准.以一个给定完备事件日志集和过程模型为例,基于区域的过程发现算法,对事件日志中所有迹挖掘其日志模型;发现日志模型与过程模型的日志移动、模型移动和同步移动,并得到它们的乘积系统;计算乘积Petri网的可达图,得到变迁系统;最后运用A+算法及A++算法,分别得到日志中所有迹与过程模型之间的一个最优校准和所有最优校准.对AoPm方法的时间复杂度和空间复杂度进行了理论分析,与已有校准方法进行比较可知:计算m条迹与过程模型之间的最优校准时,AoPm方法计算乘积与变迁系统的次数和所占用空间都是传统方法的1/m.给出并验证了变迁系统中必定能找到日志中任意一条迹的一个校准、一个最优校准以及所有最优校准的定理,并提出了日志同步网的概念,证明了A+算法和A++算法的正确性.基于ProM平台,对AoPm方法进行了仿真实验,并与传统校准方法进行了比较分析.针对给定网上购物模型及生成日志集,实验结果表明在处理批量迹与过程模型之间校准时,AoPm方法比传统校准方法,在计算变迁系统的运行时间和占用空间上,分别有指数级和多项式级的降低.因此,AoPm方法在空间复杂度和时间复杂度方面,都优于传统校准方法.该方法突破了以往每次只对一条迹和过程模型进行校准的限制,首次实现了批量迹与模型之间的校准,提高了事件日志中迹与过程模型之间的一致性检查效率.

摘要： 过程挖掘旨在从信息系统所记录的事件日志中挖掘出人们需要的且合理的过程模型,从而有助于改善或重建业务流程.以往的方法多是根据任务间的直接依赖关系构建过程模型,具有很大的局限性.现存的过程挖掘方法中,虽然有能挖掘间接依赖的方法,却没有从过程行为的角度进行分析.基于拟间接依赖的过程模型挖掘方法,把行为轮廓融入其中,依据行为轮廓建立初始模型;然后基于增量日志和拟间接依赖关系调整模型;最后根据评价标准选出最优模型.此方法特别适用于挖掘含有间接依赖的过程模型.

摘要： 传统的数据库入侵检测系统由于无法对未知攻击模式进行检测，所以系统的检出率相对较低，导致系统误报、漏报率较高。本文提出的基于蜜罐技术的数库入侵检测系统，利用蜜罐能发现数据库漏洞和未知攻击技术的特点，通过对该系统产生的事件日志进行网络行为分析，采用LCS算法提取黑客攻击数据库系统的特征码，并动态应用到数据库入侵检测系统的规则库中来提高系统的检出率，降低系统的误报、漏报率。最后，本文在整合IPtables、Snort和Honeyd的基础上，设计并实现一个基于蜜罐技术的数据库入侵检测系统，并使用多种攻击方法对该系统进行模拟攻击实验，实验结果表明该系统能够达到83%的检出率，相对于传统入侵检测系统68%的检出率有很大的提升，达到了系统预期设计的目标。

摘要： 如今，高性能计算机的性能越来越高，机器的规模也越来越庞大，机器出现的故障的几率也相应增加。因此，研制高性能计算机要考虑的因素已不仅仅是性能，减少故障发生次数和总时间也是一个重要的指标。查看系统运行期间的事件日志信息是系统管理员获取系统行为的一种方式，利用好该信息可有效分析系统出现故障的模式，进而预测系统潜在故障的发生，降低故障对系统的影响。本文就如何有效利用事件日志信息进行介绍，并分别从事件日志信息的过滤以及故障信息分析两个方面进行阐述，详细介绍了时间-空间过滤算法，基于规则的故障预测算法等基本算法。

摘要： 近年来,工作流挖掘越来越受到工作流管理的研究者们的青睐.一些企业没有工作流系统,且企业业务流程会随时间动态变化.考虑到手工建立工作流模型是困难且耗时的工作,工作流管理者需要有效的方法来自动建立和定时更新工作流模型.为此,提出了一种利用事件日志挖掘工作流模型的算法,可以学习带有循环结构的工作流模型.接着用一个具体的实例来说明算法的执行过程.最后,通过实验比较来说明该算法可以利用活动的时间区间的重叠来排除活动间的依赖关系,明显减少了算法中时间昂贵的独立性测试的次数,从而改善算法性能.

摘要： 提出了一种基于时间序列相似度的日志特征提取方法，通过将噪声采样信息按照特定类犁标识建模为时间序列，使用Haar小波变换提取序列特征，基于跳表构造噪声模板库。目标日志时间序列通过与噪声模板进行相似度比较来确定其是否为噪声日志。基于真实云计算平台的实验表明，提出的方法能够有效提高故障特征的有效性。

摘要： 提出了一种基于时间序列相似度的日志特征提取方法，通过将噪声采样信息按照特定类犁标识建模为时间序列，使用Haar小波变换提取序列特征，基于跳表构造噪声模板库。目标日志时间序列通过与噪声模板进行相似度比较来确定其是否为噪声日志。基于真实云计算平台的实验表明，提出的方法能够有效提高故障特征的有效性。

摘要： 提出了一种基于时间序列相似度的日志特征提取方法，通过将噪声采样信息按照特定类犁标识建模为时间序列，使用Haar小波变换提取序列特征，基于跳表构造噪声模板库。目标日志时间序列通过与噪声模板进行相似度比较来确定其是否为噪声日志。基于真实云计算平台的实验表明，提出的方法能够有效提高故障特征的有效性。

摘要： 提出了一种基于时间序列相似度的日志特征提取方法，通过将噪声采样信息按照特定类犁标识建模为时间序列，使用Haar小波变换提取序列特征，基于跳表构造噪声模板库。目标日志时间序列通过与噪声模板进行相似度比较来确定其是否为噪声日志。基于真实云计算平台的实验表明，提出的方法能够有效提高故障特征的有效性。

摘要： 提出了一种基于时间序列相似度的日志特征提取方法，通过将噪声采样信息按照特定类犁标识建模为时间序列，使用Haar小波变换提取序列特征，基于跳表构造噪声模板库。目标日志时间序列通过与噪声模板进行相似度比较来确定其是否为噪声日志。基于真实云计算平台的实验表明，提出的方法能够有效提高故障特征的有效性。

摘要： 本发明公开了一种基于日志树和解析树的日志事件提取方法及系统，该方法分为预处理和日志内容解析两个步骤，具体包括：提出并维护一个由正则表达式和启发式规则组成的规则库，抽取小部分日志自动生成日志格式；基于日志格式在线识别日志为日志头部和日志内容；搜索解析树，采用最长公共子串和最长公共子向量分别计算日志树与事件树中静态字段与动态参数的相似度；采用聚类技术匹配日志树与事件树，提取事件与对应参数。本发明为了应对日志内容的复杂性，改进在线事件提取方法中的预处理与日志内容解析步骤。减少人工识别日志格式的工作量，改善已有方法难以识别包含不定数量参数事件的问题，更准确地提取日志事件。

摘要： 本发明涉及计算机系统管理，并且尤其涉及为计算机系统提供事件日志。

摘要： 本申请案涉及一种用于从事件日志选择事件以用于时间线产生的方法及设备。一种方法(800)从事件日志(120)选择事件以供沿着时间线(202)呈现。所述方法(800)可接收(810)与所述时间线(202)相关联的信息以界定所关注间隔及分区大小，且基于所述分区大小将所述时间线(202)划分(812)成多个分段。所述方法(800)可进一步识别(814)在每一分段内具有至少一个有关事件的所述分段，其中有关事件(204、208、210、212‑220)为在一分段内开始且与所述所关注间隔重叠的事件。所述方法(800)可确定(816)与每一所识别分段的至少一个有关事件相关联的参数(230)，且将所述所确定参数(230)连同指定每一所识别分段的索引(231‑235)一起提供(818)。可将所述所确定参数提供到客户端(140)以产生所述至少一个有关事件的所述时间线。一种设备(110、315)可实施所述方法(800)以从事件日志(120)选择与经界定时间间隔相关联的事件。

摘要： 本发明公开了一种基于事件日志挖掘的突发事件应急资源优化配置方法，包括：1)获取突发事件应急处置流程的事件日志；2)利用获得的突发事件应急处置流程的事件日志对突发事件应急处置流程进行挖掘，挖掘出突发事件应急处置流程的应急资源处置流程模型；3)利用挖掘到的应急资源处置流程模型，对模型中包含的应急资源进行处理；4)利用步骤3)处理得到的结果，检测存在的资源依赖关系，并进行应急资源需求分析；5)通过两种应急资源分配策略，即最小时间分配策略与最小资源分配策略对应急资源进行优化配置。本发明打破了现有过程挖掘技术不能直接应用于突发事件应急处置流程事件日志的分析，有利于高时间性能的应急任务成功和高的应急资源利用率。

摘要： 本发明属于信息技术领域，尤其涉及一种基于事件相似度的事件日志与模型校准方法。该方法首先对事件概念进行定义；其次，基于本体树计算两事件各个属性之间的相似度；最后，基于事件的相似度对迹和模型进行校准。本发明从具有多个属性的事件出发，研究过程模型与事件日志的校准问题。为确保日志与模型中事件描述的一致性，将事件用其功能语义表示，并在领域本体上加以标注。通过计算事件多个属性的相似度进而计算具有相同活动的事件之间的相似度。基于事件的相似度，给出过程模型与事件日志之间的校准算法。与针对单一属性事件的简单校准相比，本发明所述的校准是对校准的更细致的描述，可为改进模型或发现日志中的问题提供更详细的依据。

摘要： 本发明提供一种系统事件日志管理系统和方法。该系统包括：一设置模块，用于供用户对服务器开/关机过程中的测试参数进行设定，还用于供用户对需要的系统事件日志输入筛选条件；一指令生成模块，用于将设定的测试参数转换成主板管理控制器能够识别的控制指令，使主板管理控制器控制该服务器进行开/关机操作并生成系统事件日志；一时间关联模块，用于在生成一系统事件日志时获取服务器的系统当前时间，然后根据该系统当前时间在生成的系统事件日志中添加相应的时间标记；和一输出模块，用于将符合筛选条件的系统事件日志输出。本发明使用户可根据实际需要筛选特定的系统事件日志，从而使用户更简单快捷地了解服务器系统的运行状况。

摘要： 本发明涉及计算机系统管理，并且尤其涉及为计算机系统提供事件日志。

摘要： 本发明公开了一种基于事件日志挖掘的突发事件应急资源优化配置方法，包括：1)获取突发事件应急处置流程的事件日志；2)利用获得的突发事件应急处置流程的事件日志对突发事件应急处置流程进行挖掘，挖掘出突发事件应急处置流程的应急资源处置流程模型；3)利用挖掘到的应急资源处置流程模型，对模型中包含的应急资源进行处理；4)利用步骤3)处理得到的结果，检测存在的资源依赖关系，并进行应急资源需求分析；5)通过两种应急资源分配策略，即最小时间分配策略与最小资源分配策略对应急资源进行优化配置。本发明打破了现有过程挖掘技术不能直接应用于突发事件应急处置流程事件日志的分析，有利于高时间性能的应急任务成功和高的应急资源利用率。

摘要： 本申请案涉及一种用于从事件日志选择事件以用于时间线产生的方法及设备。一种方法(800)从事件日志(120)选择事件以供沿着时间线(202)呈现。所述方法(800)可接收(810)与所述时间线(202)相关联的信息以界定所关注间隔及分区大小，且基于所述分区大小将所述时间线(202)划分(812)成多个分段。所述方法(800)可进一步识别(814)在每一分段内具有至少一个有关事件的所述分段，其中有关事件(204、208、210、212‑220)为在一分段内开始且与所述所关注间隔重叠的事件。所述方法(800)可确定(816)与每一所识别分段的至少一个有关事件相关联的参数(230)，且将所述所确定参数(230)连同指定每一所识别分段的索引(231‑235)一起提供(818)。可将所述所确定参数提供到客户端(140)以产生所述至少一个有关事件的所述时间线。一种设备(110、315)可实施所述方法(800)以从事件日志(120)选择与经界定时间间隔相关联的事件。

摘要： 本发明属于信息技术领域，尤其涉及一种基于事件相似度的事件日志与模型校准方法。该方法首先对事件概念进行定义；其次，基于本体树计算两事件各个属性之间的相似度；最后，基于事件的相似度对迹和模型进行校准。本发明从具有多个属性的事件出发，研究过程模型与事件日志的校准问题。为确保日志与模型中事件描述的一致性，将事件用其功能语义表示，并在领域本体上加以标注。通过计算事件多个属性的相似度进而计算具有相同活动的事件之间的相似度。基于事件的相似度，给出过程模型与事件日志之间的校准算法。与针对单一属性事件的简单校准相比，本发明所述的校准是对校准的更细致的描述，可为改进模型或发现日志中的问题提供更详细的依据。