Tool-Assisted Conformance Checking to Reference Process Models
针对具体流程模型与参考模型的语义一致性问题，提出基于任务和事件因果依赖分析的自动化检查算法，并将其纳入语义框架，通过案例研究验证其准确性与灵活性。
2025-09-28 cs.FL cs.SE
Automatically Checking Conformance on Asynchronous Reactive Systems
软件测试是软件开发过程中的一个重要环节，它保证了软件产品的高质量。形式化方法在测试反应式系统，特别是临界系统方面很有前途，因为任何故障都可能导致严重的损害。这种性质的系统的特点是从环境中接收信息并产生响应输出。基于模型的测试的最大挑战之一是异步反应式系统的一致性检查。其目的是验证实现是否符合其各自的规范。在这项工作中，我们开发了一个实用的工具来检查反应模型之间的一致性关系，使用更一般的理论基础上的正则语言。事实上，该方法包含了经典的\ioco一致性，这也适用于我们的工具。此外，我们提出了一些研究与不同的场景，适用于实际的工具，这两个概念的一致性。
2019-08-11 cs.SE
Towards Symbolic Model-Based Mutation Testing: Combining Reachability and Refinement Checking
基于模型的突变测试使用改变的测试模型来导出测试用例，这些测试用例能够揭示模型化的故障是否已经实现。这需要检查原始模型和变异模型之间的一致性。本文提出了一种用于动作系统的符号一致性检查的方法，该方法非常适合于指定反应式系统。我们还考虑在我们的模型中的非决定性。因此，我们不检查等价性，而是检查精化。我们编码的过渡关系，以及作为一个约束满足问题的一致性关系，并使用约束求解器在我们的可达性和细化检查算法。显式一致性检查技术经常面临状态空间爆炸。第一个实验评估表明，我们的方法有可能优于显式一致性检查。
2012-02-28 cs.SE
A Privacy-Preserving Approach to Conformance Checking
Tecnologico de Monterrey（蒙特雷科技大学）；The University of Melbourne（墨尔本大学）
本文提出基于字符串处理算法和同态加密的隐私保护过程符合性检查方法，通过比对过程模型与事件日志实现安全验证，但需付出较高的内存和处理开销。
2026-04-30 cs.CR cs.SE
Secure Conformance Checking using Token-based Replay and Homomorphic Encryption
Tecnologico de Monterrey（蒙特雷理工学院）；The University of Melbourne（墨尔本大学）
本文提出一种安全的符合性检查方法，结合令牌回放算法和同态加密，解决日志所有者保护敏感信息的同时检查符合性问题。
2026-04-28 cs.CR cs.SE
A Novel Token-Based Replay Technique to Speed Up Conformance Checking and Process Enhancement
基于令牌的重放曾经是进行一致性检查的标准方式。随着采用更先进的技术（例如，基于对齐），基于令牌的重放被放弃。然而，尽管有分解方法和算法来加速计算，但更高级的一致性检查技术具有有限的可扩展性，特别是当跟踪变得更长并且过程模型更复杂时。本文提出了一种改进的基于令牌的重放方法，是更快和可扩展的。此外，该方法提供了避免已知问题（例如，“令牌泛滥”），并帮助查明合规性问题。新的基于令牌的重放技术已在PM 4Py进程挖掘库中实现。我们将展示重放技术在速度和/或诊断方面优于最先进的技术。%此外，将通过与基于令牌的播放器集成来提出对现有精度度量（ETConclusion）的修订。
2020-07-28 cs.SE
Temporal Conformance Checking at Runtime based on Time-infused Process Models
一致性检查量化了给定流程日志中的一组跟踪与流程模型定义的一组可能跟踪之间的偏差。目前的方法主要集中在添加或缺失的事件。最近，多视角挖掘提供了检查与编码为数据元素的时间和资源约束的一致性的方法。本文提出了一种方法，用于量化的时间偏差一致性检查的基础上注入的输入过程模型的时间剖面。时间配置文件是基于相关联的过程日志，考虑任务持续时间和事件之间的时间距离来计算的。此外，流程模型中任务的简单语义注释表明了它们在时间方面的重要性。在运行时期间，事件流与具有时间简档的流程模型之间的偏差通过时间偏差的成本函数来量化。该方法的评估结果表明，两个现实世界的数据集，从金融和制造领域的承诺，以提高运行时的过程监测和控制能力。
2020-08-17 cs.SE
Conformance Checking Approximation using Subset Selection and Edit Distance
RWTH Aachen University（亚琛工业大学）；Fraunhofer FIT（弗劳恩霍夫应用信息技术研究所）
一致性检查技术让我们发现流程模型和实际执行数据的一致程度。近年来，对齐在计算一致性统计中被证明是非常有用的。大多数计算比对的技术都提供了精确的解决方案。然而，在许多应用中，具有一致性值的近似值就足够了。具体而言，对于大型事件数据，使用当前技术进行对齐的计算时间相当长，这使得它们在现实中不适用。此外，对于复杂的过程使用标准硬件不再可行。因此，我们需要的技术，使我们能够获得快速，并在同一时间，一致性值的准确近似。本文提出了新的近似技术计算近似一致性检查值接近精确的解决方案的值在更快的时间。这些方法还提供近似对准值的上限和下限。我们对真实事件数据的实验表明，它是可能的，以提高一致性检查的性能，通过使用所提出的方法相比，使用国家的最先进的对齐近似技术。结果表明，在大多数情况下，我们提供了严格的界限，准确的近似对齐值，和类似的偏差统计。
2019-12-02 cs.AI cs.SE
Conformance Checking for Pushdown Reactive Systems based on Visibly Pushdown Languages
本文提出一种基于可见下推语言的新型一致性关系，用于建模下推反应式系统的期望与不期望行为，并证明可据此生成具有完整故障覆盖率的测试套件。
2023-08-14 cs.FL cs.SE
Automatic Coding Rule Conformance Checking Using Logic Programs
提高程序可靠性的一些方法涉及程序设计语言的有纪律的使用，以便最小化由容易出错的特征引入的危险。这是通过编写代码来实现的，该代码被约束到先验容许程序的子集，并且，此外，可以仅使用语言的子集。这些子集由所谓的编码规则的集合确定。
2007-11-02 cs.PL cs.SE
Conformance Checking Based on Multi-Perspective Declarative Process Models
流程挖掘是一系列旨在分析事件日志中记录的业务流程执行数据的技术。一致性检查是该学科的一个分支，包括用于验证记录在日志中的流程的行为是否与以流程模型的形式提供的某些预期行为一致的方法。这些方法中的大多数要求输入过程模型是过程性的（例如，Petri网）。然而，在以高可变性为特征的湍流环境中，过程行为不太稳定和可预测。在这些环境中，过程化流程模型不太适合描述业务流程。声明式规范，在开放世界假设中工作，允许建模者将几个可能的执行路径表示为一组紧凑的约束。任何不与这些约束相矛盾的流程执行都是允许的。在使用声明性模型进行一致性检查的上下文中，一个开放的挑战是支持多视角规范的能力。在本文中，我们关闭这个差距，提供了一个框架，一致性检查的基础上MP-Decliter，多角度版本的声明式流程建模语言Decliter。该方法已在流程挖掘工具ProM中实现，并在三个实际案例研究中进行了实验。
2015-03-17 cs.DB cs.LO cs.SE
A Framework for Efficient Memory Utilization in Online Conformance Checking
流程挖掘领域的一致性检查（CC）技术测量案例中事件序列与业务流程模型的一致性，简单地说，业务流程模型是某些行为关系或规则的混合物。在线一致性检查（OCC）技术被定制用于评估流事件上的这种一致性。OCC技术在很大程度上没有考虑具有用于存储流传输事件的有限存储器的现实假设。我们提出了三种增量方法来减少基于前缀对齐的OCC技术中的内存消耗，同时确保我们对一致性洞察的损失最小。我们提出的第一种方法限制了构成前缀对齐的最大状态的数量，这些状态将由内存中的任何情况保留。第二种方法限制了允许保留多于一个状态的情况的数量，称为多状态情况。在这两种方法的基础上，我们的第三种方法进一步限制了多状态情况下可以保留的最大状态的数量。所有这些方法都忘记了超过其定义限度的状态，并保留了对它们的有意义的总结。然后，对于这些情况，从摘要中所包含的当前位置恢复计算将来的前缀对齐。我们强调的优越性，所有提出的方法相比，最先进的基于前缀对齐的OCC技术，通过实验，使用真实的事件数据下的流设置。我们的方法大大减少了内存消耗平均高达80%，同时引入了轻微的精度下降。
2021-12-23 cs.DB cs.SE
Architecting software monitors for control-flow anomaly detection through large language models and conformance checking
University of Naples Federico II（那不勒斯费德里科二世大学）；University of Applied Sciences and Arts of Southern Switzerland（瑞士南部应用科学与艺术大学）；University of Florence（佛罗伦萨大学）；Linnaeus University（林奈大学）
本文提出利用大型语言模型和符合性检查构建软件监视器，以检测控制流异常。通过在铁路交通管理系统中测试，该方法实现了82.849%的控制流覆盖率和95.957%的F1分数。
2026-03-27 cs.LG cs.SE
A MAPE-K-Based Method for Architectural Conformance Checking in Self-Adaptive Systems
针对自适应系统架构漂移问题，提出基于MAPE-K的REMEDY方法，通过领域特定语言、架构提取工具和符合性引擎，降低规范工作量并有效检测违规，实验验证了其高效性与可靠性。
2025-09-11 cs.SE
Live Architecture Models for Cloud-Native Architecture-as-Code: Early Results from Kubernetes Conformance Checking
Moscow Institute of Physics and Technology（莫斯科物理技术学院）；Kangwon National University（江原国立大学）
针对Kubernetes基础设施漂移问题，提出基于KDL子集和Archer原型的实时架构模型，通过快照恢复与只读一致性检查，在三个示例应用中验证了可行性，但未证明比较优势与扩展性。
2026-09-30 cs.SE
Efficient Conformance Checking using Approximate Alignment Computation with Tandem Repeats
University of Melbourne（墨尔本大学）
一致性检查包括一系列流程挖掘技术，旨在发现和描述捕获预期流程行为的流程模型与记录观察到的行为的相应事件日志之间的差异。对齐是一种已建立的技术，用于计算事件日志中的跟踪与相应流程模型的最近执行跟踪之间的距离。给定一个代价函数，当一个对齐包含最少数量的日志跟踪和模型跟踪之间的不匹配时，它是最优的。然而，确定最佳比对在计算上是昂贵的，特别是鉴于来自实践的事件日志的不断增长的大小和复杂性，其可以容易地超过一百万个事件，具有几百个活动的踪迹。现有对齐技术的一个常见限制是无法利用日志中的重复。通过利用一种特定形式的连续模式的痕迹，即串联重复序列，我们提出了一种新的近似技术，使用预处理和后处理步骤来压缩的痕迹的长度和重新计算的对齐成本，同时保证成本结果从来没有下近似的最佳成本。在一个广泛的经验评估与50个现实生活中的模型日志对和对六个国家的最先进的对齐技术，我们表明，所提出的压缩方法系统优于基线的数量级存在的痕迹与重复，成本过近似，当它发生时，是可以忽略不计的。
2022-03-26 cs.AI cs.SE
Effortless Fault Localisation: Conformance Testing of Real-Time Systems in Ecdar
实时的【形】系统的模型检验已经发展了很多年。最近，使用定时I/O自动机的模型检查器Ecdar被用于执行组合验证。然而，为了将实时的【形】系统的模型检验完全集成到工业开发中，我们需要一种有效且可靠的方法来测试这样的系统是否符合其相应的模型。因此，我们提出了一个扩展的Ecdar集成到一个新的IDE，现在功能建模，验证和测试的一致性测试。新的工具使用基于模型的突变测试，只需要模型和测试中的系统，定位故障，并证明某些类型的故障的存在。它支持使用实时的【形】或模拟时间进行测试。它将测试用例生成和测试执行并行化，以提供显著的加速。我们还引入了新的变异算子，提高了检测和定位故障的能力。最后，我们进行了一个案例研究与140故障系统，其中Ecdar检测所有故障。
2018-09-10 cs.LO cs.SE
Design-Time Conformance Checking for Pulse-Level Quantum Control
Embry-Riddle Aeronautical University（安柏瑞德航空大学）
针对脉冲级量子控制程序可能超出设备限制的问题，提出设计时检查器qconform，利用版本化能力描述符离线确定程序可实现性，经差分测试验证其可靠性并修复缺陷。
2026-10-08 cs.SE quant-ph
Assurance via workflow+ modelling and conformance
我们建议将保证视为模型管理企业：说系统是安全的相当于指定三个工作流程，对安全工程过程的定义和执行进行建模，并检查它们的一致性。这些工作流基于精确的数据建模，如功能框图，但其独特的特征是过程的输出数据与其输入数据之间存在关系;因此，名称为"WorkflowPlus"，WF+。一个典型的WP ^+模型包括三层：（i）过程和控制流，（ii）控制流（具有输入输出关系），以及（iii）参数流或约束推导。精确的数据流建模标志着基于WP+的保证和基于GSN的保证的一个关键区别，其中数据层主要是隐含的。我们提供了一个详细的比较分析，这两种形式主义，并得出结论，GSN不履行其承诺。
2019-12-20 cs.SE
Checking Finite State Machine Conformance when there are Distributed Observations
本文关注的是基于状态的系统，它们在物理上分布的接口（称为端口）与环境进行交互。当使用这样的系统时，在每个端口处观察到全局轨迹的投影，称为局部轨迹。这导致环境具有降低的观测能力：所观测到的局部轨迹集不需要唯一地定义所发生的全局轨迹。我们认为以前定义的实现关系$\sqsubseteq_s$和开始调查的问题，定义一个语言${\mathcal {\tilde L}} (M)$的多端口有限状态机（FSM）$M$，$N \sqsubseteq_s M$当且仅当每个全局跟踪$N$是在${\mathcal {\tilde L}} (M)$。其动机是，如果我们能够产生这样一种语言${\mathcal {\tilde L}} (M)$，那么它就有可能用于通知开发和测试。我们证明了${\mathcal {\tilde L}} (M)$可以被唯一地定义，但不需要是正则的。然后，我们证明，它是一般不可判定的是否$N \sqsubseteq_s M$，这个结果的后果是，它是不可判定的，是否有一个测试用例，能够区分两个状态或两个多端口FSM在分布式测试。该结果补充了先前的结果，即是否存在保证区分两个状态或多端口FSM的测试用例是不可判定的。给出了$N \sqsubseteq_s M$可判定的条件.然后，我们考虑的实施关系$\sqsubseteq_s^k$，只涉及输入序列的长度$k$或更少。自然，给定FSM $N…
2011-08-26 cs.SE
Mining Constraints from Reference Process Models for Detecting Best-Practice Violations in Event Logs
本文提出一个从参考过程模型集合中挖掘声明式最佳实践约束的框架，自动选择与事件日志相关的约束并检测最佳实践违规，从而无需专用规范模型即可进行一致性检查。
2025-08-22 cs.DB cs.SE
Business Process Mining
组织最有价值的资产之一是其组织数据。对这一潜在宝藏的分析和挖掘可以为组织带来更多的附加值。流程挖掘是一个新兴领域，可以帮助组织了解现状，检查合规性并计划改进其流程。过程挖掘的目的是从当今组织信息系统的事件日志中提取知识。流程挖掘主要包括三种类型：从事件日志中发现流程模型、一致性检查和组织挖掘。在本文中，我们简要介绍了过程挖掘和审查的一些最重要的技术。此外，我们还调查了流程挖掘在工业中的一些应用，并提出了这一领域面临的一些最重要的挑战。
2016-07-03 cs.SE
PMSD: Data-Driven Simulation Using System Dynamics and Process Mining
流程挖掘远远超出了流程发现和一致性检查的范围，还提供了瓶颈分析和组织挖掘的技术。然而，这些技术大多是向后看的。PMSD是一个支持前瞻性仿真技术的Web应用程序工具。它将事件数据和流程挖掘结果转换为可执行和验证的仿真模型。PMSD包括日志转换、时间窗选择、关系检测、交互式模型生成、以系统动力学的形式模拟和验证模型，即，一种聚合模拟技术。模块的结果在工具中可视化，以便更好地解释
2020-09-24 cs.SE
Scalable Alignment of Process Models and Event Logs: An Approach Based on Automata and S-Components
给定业务流程的预期行为模型和记录其观察到的行为的事件日志，业务流程一致性检查的问题是识别和描述模型和日志之间的差异。一致性检查技术的一个理想特性是识别最小但完整的差异集。现有的一致性检查技术，满足这一属性表现出有限的可扩展性时，面对大型和复杂的模型和日志。本文提出了两种互补的技术来解决这些缺点。第一种技术将模型和日志转换为两个自动机。这些自动机使用纠错同步产品进行比较，通过A* 计算，保证最终自动机以最小的纠错量捕获所有差异。同步产品用于提取日志的每个迹线与模型的最接近的对应迹线之间的最小长度对齐。第一种技术的局限性在于，随着模型中并发级别的增加，模型的自动机的大小呈指数级增长，从而阻碍了可伸缩性。为了解决这个问题，本文提出了第二种技术，其中的过程模型首先分解成一组自动机，称为S-组件，使这些自动机的产品是等于整个过程模型的自动机。一个纠错产品分别计算每个S-组件和由此产生的自动机重组成一个单一的产品自动机捕捉所有的差异，没有最小保证。实证评估表明，所提出的技术优于国家的最先进的基线方面的计算效率。此外，基于分解的技术对于绝大多数数据集是最优的，对于其余的数据集是准最优的。
2020-03-05 cs.SE
Trustworthy Artificial Intelligence and Process Mining: Challenges and Opportunities
ABBYY；RWTH Aachen University（亚琛工业大学）；XPAN Law Partners（XPAN律师事务所）
本文的前提是，遵守值得信赖的人工智能治理最佳实践和监管框架是一个内在的分散过程，跨越不同的组织单位，外部利益相关者和记录系统，导致过程的不确定性和合规性差距，可能使组织面临声誉和监管风险。此外，满足值得信赖的人工智能最佳实践的特定方面也存在复杂性，例如数据治理、一致性测试、人工智能模型行为的质量保证、透明度、问责制和保密性要求。这些流程涉及多个步骤、交接、返工和人工监督。在本文中，我们证明了流程挖掘可以提供一个有用的框架，用于获得对AI合规流程执行的基于事实的可见性，揭示合规瓶颈，并提供一种自动化方法来分析，修复和监控AI监管合规流程中的不确定性。
2021-10-06 cs.AI cs.SE
Conceptual Model with Built-in Process Mining
流程挖掘涉及通过从信息系统中的事件日志中提取知识来发现、监控和改进真实流程。近年来，流程挖掘已经成为一个重要的主题，越来越多的案例研究和商业工具证明了这一点。目前在这方面的研究假设，事件记录是从一个概念模型（CM）单独创建的。然后使用技术来发现缺失的过程和与CM的一致性，以及检查和增强。相比之下，在本文中，我们专注于建模事件的一部分，一个紧密的多级CM，包括静态描述，动态，事件日志计划，以及监测和控制系统。如果存在模型外事件日志，则将其视为构建或丰富CM所需的需求。这样一个统一的系统的动机是我们的论文，过程挖掘是一个重要组成部分的CM与内置的【形】挖掘能力，以执行自我过程挖掘，并达到完整性。因此，我们提出的概念模型有助于收集有关自身的数据。由此产生的框架强调系统的集成表示，包括流程挖掘功能。从事件日志开始的案例研究被重新设计，以围绕模型优先的方法发展，而不局限于初始事件日志。结果给出了一个框架，以更全面的方式实现了过程挖掘的目标
2021-03-31 cs.SE
White-box validation of quantitative product lines by statistical model checking and process mining
本文提出结合 SMC 与 PM 的 QFLan 产品线白盒验证方法，将仿真样本挖掘为可理解的流程模型并回转为 QFLan，以定位异常原因并支持修复。
2024-01-23 cs.SE
BAGH -- Comparative study
流程挖掘是近十年来出现的一个新的研究方向，它主要是利用事件日志和数据来分析流程。业务流程操作的信息系统集成度的提高为创新的数据分析方法提供了基础。流程挖掘与数据采掘有着密切的联系，因此它可以将商业智能方法与业务流程管理联系起来。它专注于端到端流程，并且由于事件数据的可用性不断增长以及新的流程发现和一致性检查技术而成为可能。过程挖掘的目的是通过从信息系统中的事件日志中提取知识来发现、监控和改进真实的过程。所发现的流程模型可以用于各种分析目的。许多公司已经采用流程感知信息系统来以某种形式支持他们的业务流程。这些系统通常具有与实际业务流程执行相关的日志事件。对流程感知信息系统执行日志的正确分析可以产生重要的知识，并帮助组织提高其服务质量。本文回顾和比较各种流程挖掘算法的输入参数的基础上，使用的技术和它们产生的输出。
2019-09-04 cs.IR cs.SE
Discovering Process Models from Uncertain Event Data
现代信息系统能够以事件日志的形式收集事件数据。流程挖掘技术允许从事件数据中发现模型，根据参考模型检查事件日志的一致性，并执行进一步的以流程为中心的分析。在本文中，我们考虑不确定的事件日志，其中的数据与明确的不确定性信息一起记录。我们描述了一种技术，发现一个直接遵循的图形，从这样的事件数据，保留有关的不确定性的过程中的信息。然后，我们提出的实验结果进行归纳挖掘的直接遵循的图形，以获得代表的过程中的某些和不确定的部分的模型。
2022-04-08 cs.DB cs.SE
Anvaya: An Algorithm and Case-Study on Improving the Goodness of Software Process Models generated by Mining Event-Log Data in Issue Tracking System
Indraprastha Institute of Information Technology, Delhi (IIIT-D)（德里英德拉普拉斯塔信息技术学院（IIIT-D））；Software Analytics Research Lab (SARL)（软件分析研究实验室（SARL））
问题跟踪系统（ITS），如Bugzilla，可以被视为过程感知信息系统（PAIS），在bug报告的生命周期中生成事件日志。过程挖掘包括挖掘从PAIS生成的事件日志，用于过程模型发现、一致性和增强。我们应用进程图发现技术，挖掘开源Firefox浏览器项目ITS中产生的事件跟踪数据，生成和研究进程模型。缺陷生命周期由多样性和方差组成。因此，从事件日志生成的过程模型是具有大量边、互连和节点的意大利面条。这样的模型分析起来很复杂，过程分析人员很难理解。我们通过聚类结构相似的痕迹将事件日志分成同质子集来提高过程模型的良好性（适应度和结构复杂性）。我们采用两种不同的距离度量：最长公共子序列（LCS）和动态时间弯曲（DTW）的K-Medoid聚类算法。我们使用复杂性和适应性指标来评估从集群生成的过程模型的良好性。我们研究来回\和自我循环，错误重新开放，并在集群中获得的瓶颈，并表明聚类可以更好地分析。我们还提出了一个算法来自动聚类过程-该算法作为输入的事件日志，并返回最佳的集群集。
2015-11-22 cs.LG cs.SE
