TraVaG: Differentially Private Trace Variant Generation Using GANs

要約

プロセスマイニングは業界で急速に成長しています。
その結果、プロセスマイニングアルゴリズムで使用されるイベントデータに含まれる機密情報や個人情報に関するプライバシーの懸念がますます重要になっています。
最先端の研究は主に、プロセス検出などの主要なプロセス マイニング技術で使用されるトレース バリアントに対して、差分プライバシーなどのプライバシー保証を提供することに重点を置いています。
ただし、トレースバリアントをリリースするためのプライバシー保護技術は、業界規模の使用のすべての要件をまだ満たしていません。
さらに、頻度の低いトレースバリアントが高い割合で存在する場合にプライバシーを保証することは、依然として課題です。
このホワイト ペーパーでは、TraVaG を、\text{Generative Adversarial Networks} (GAN) に基づいて差別的にプライベートなトレース バリアントをリリースするための新しいアプローチとして紹介します。
バリアント。
さらに、TraVaG は、亜種の長さの制限や偽の亜種の導入など、従来のプライバシー保護技術の欠点を克服します。
実際のイベント データに関する実験結果は、私たちのアプローチが、プライバシーの保証、プレーン データのユーティリティの保存、および結果のユーティリティの保存の点で最先端の技術よりも優れていることを示しています。

要約(オリジナル)

Process mining is rapidly growing in the industry. Consequently, privacy concerns regarding sensitive and private information included in event data, used by process mining algorithms, are becoming increasingly relevant. State-of-the-art research mainly focuses on providing privacy guarantees, e.g., differential privacy, for trace variants that are used by the main process mining techniques, e.g., process discovery. However, privacy preservation techniques for releasing trace variants still do not fulfill all the requirements of industry-scale usage. Moreover, providing privacy guarantees when there exists a high rate of infrequent trace variants is still a challenge. In this paper, we introduce TraVaG as a new approach for releasing differentially private trace variants based on \text{Generative Adversarial Networks} (GANs) that provides industry-scale benefits and enhances the level of privacy guarantees when there exists a high ratio of infrequent variants. Moreover, TraVaG overcomes shortcomings of conventional privacy preservation techniques such as bounding the length of variants and introducing fake variants. Experimental results on real-life event data show that our approach outperforms state-of-the-art techniques in terms of privacy guarantees, plain data utility preservation, and result utility preservation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google