Organisations model their processes using so-called business process models, to allow for verification of their correctness with respect to regulatory requirements and business rules. Automated methods for checking compliance, however, have to deal with the high complexity of the requirements as well as the significant size and quantity of process models in an organisation, which may prevent process models from being checked efficiently and timely. This paper provides a computational complexity analysis of the problem of proving regulatory compliance of process models. We investigate the computational complexity of each variant of the problem resulting from a combination of three binary properties associated to the regulatory framework, determining the regulatory requirements that a process model needs to follow to be compliant. These binary properties are whether the framework contains one or multiple obligations, whether the obligations are global or conditional, and whether only literals or formulae can be used to describe the obligations. For each variant of the problem we study the computational complexity of proving full compliance, partial compliance, and non-compliance. This analysis allows to understand the specific features of the problem leading to intractability issues, thus potentially guiding future research towards developing feasible solutions for the problem in practical settings.


翻译:各组织采用所谓的业务流程模型模拟其程序,以便核查其是否符合监管要求和业务规则; 然而,检查遵守情况的自动化方法必须处理要求的高度复杂性以及一个组织内程序模型的庞大规模和数量,这可能妨碍对流程模型进行有效和及时的检查; 本文对证明流程模型遵守监管规定的问题进行计算复杂性分析; 我们调查了与监管框架有关的三个二元属性组合所产生的问题的每个变量的计算复杂性,确定一个流程模型需要遵循的监管要求。 这些二元属性是框架是否包含一项或多项义务,无论是全球义务还是有条件义务,以及是否只能使用字面或公式来描述义务。 对于我们研究的问题的每一种变量,我们研究了证明完全遵守、部分遵守和不遵守情况的计算复杂性。这种分析有助于了解导致易被吸引问题的问题的具体特征,从而有可能指导未来研究如何在实际环境中为问题制定可行的解决办法。

0
下载
关闭预览

相关内容

CC在计算复杂性方面表现突出。它的学科处于数学与计算机理论科学的交叉点,具有清晰的数学轮廓和严格的数学格式。官网链接:https://link.springer.com/journal/37
专知会员服务
123+阅读 · 2020年9月8日
专知会员服务
17+阅读 · 2020年9月6日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Arxiv
0+阅读 · 2021年7月2日
VIP会员
相关VIP内容
专知会员服务
123+阅读 · 2020年9月8日
专知会员服务
17+阅读 · 2020年9月6日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Top
微信扫码咨询专知VIP会员