ProcessGAN: generación de datos de proceso conscientes del tiempo para preservar la privacidad con redes adversarias...

Área de la Ciencia:

• Ciencias de la computación
• Ciencia de los datos
• Inteligencia artificial

Sus antecedentes:

• Los datos de proceso de los registros de eventos ofrecen información sobre la dinámica de los procedimientos, pero a menudo no se pueden compartir debido a su confidencialidad y complejidad.
• La disponibilidad limitada de datos de proceso restringe la investigación y el análisis en el dominio de la minería de procesos.

Objetivo del estudio:

• Abordar la limitación de los datos de proceso compartibles mediante la introducción de un método de generación de datos de proceso sintético.
• Desarrollar una red adversaria generativa (ProcessGAN) capaz de crear datos de proceso que preserven la privacidad con secuencias de actividades y sellos de tiempo realistas.

Principales métodos:

• ProcessGAN utiliza un generador basado en transformador y un discriminador de autoatención consciente del tiempo.
• El modelo tiene en cuenta la duración del proceso y los intervalos de tiempo de interactividad para la generación de datos realistas.
• Evaluado en cinco conjuntos de datos del mundo real (médicos públicos y privados), utilizando métricas estadísticas, puntuación de modelos supervisados y evaluación de expertos en el dominio de los flujos de trabajo descubiertos.

Principales resultados:

• ProcessGAN supera a los modelos generativos existentes para crear procesos complejos con vías paralelas.
• Los datos sintéticos generados representan con precisión las dependencias de largo alcance y las distribuciones de marcas de tiempo auténticas.
• Los contextos sintéticos asociados (por ejemplo, la demografía de los pacientes) también mostraron una alta fidelidad en comparación con los datos auténticos.

Conclusiones:

• ProcessGAN genera efectivamente datos de procesos sintéticos compartibles que no se pueden distinguir de los datos auténticos.
• El enfoque mejora la viabilidad de la investigación y el análisis en la minería de procesos, especialmente para dominios sensibles como la atención médica.
• El modelo desarrollado y el código fuente están a disposición del público para facilitar la investigación posterior.