基于Graph Transformer和自编码器的多层次业务流程异常检测方法

来源：计算机集成制造系统杂志2026年第3期北京时间：

作者：方新升, 方贤文, 刘聪, 卢可

单位：1.安徽理工大学数学与大数据学院2.山东理工大学计算机科学与技术学院

摘要：由于各种因素的影响,业务流程不可避免地会出现异常情况,精准地检测出执行中的异常,能够保障流程的合理运行。目前先进的异常检测技术利用深度学习方法,通过编码的方式来输入流程中的控制流和数据流信息以实现对活动、时间等属性的异常检测,但是该方式难以表征流程活动间的行为关系且控制流和数据流交互不具体,针对该问题,本文提出一种基于Graph Transformer和自编码器的多层次业务流程异常检测方法(MLGTAE),该方法首先利用Petri网表征流程中的实体行为,并结合流程中的时间、资源等数据属性实现多层次迹图的构造,然后通过Graph Transformer作为编码器提取图中的行为信息和数据信息,最后利用注意力机制实现行为和数据的深度交互,并利用解码器重建检测异常。该方法通过多个真实数据集进行验证,结果表明提出的方法在活动层次和数据属性层次上的异常检测效果都优于对比方法。

关键词：Petri网,Graph Transformer,行为足迹,行为关系,业务流程异常检测

基金资助：国家自然科学基金资助项目(62472264,61572035,52374221);安徽省重点研究与开发计划资助项目(2022a05020005);安徽省自然科学基金资助项目(水科学联合基金,2308085US11);山东省泰山学者工程专项基金资助项目(tsqn201909109,ts20190936);山东省自然科学基金优秀青年基金资助项目(ZR2021YQ45);山东省高等学校青创科技计划创新团队资助项目(2021KJ031)。