1.一种基于注意力机制的业务过程异常检测方法，其特征在于，包括如下步骤：

1)从过程感知信息系统中的多个数据源中收集数据，组成事件日志，事件日志用于记录业务过程的执行过程的信息集合，由业务过程的活动执行轨迹组成，活动执行的轨迹也被称为案例；

2)利用事件日志中的控制流特征和数据流特征，从事件属性粒度提取过程信息，使用事件的离散属性进行异常检测，对事件的离散属性进行编码，构造过程特征数据集；具体是：使用事件的活动名作为事件的第一个属性代表业务过程的控制流特征，使用其他离散属性作为数据流特征；对于事件序列长度的案例，在事件序列较短的案例末尾添加进行填充；

3)基于Transformer模型构建业务过程一下事件及其属性的预测模型，利用过程特征数据集作为输入数据训练预测模型；预测模型包括控制流预测模块和数据流预测模块，分别用于预测活动名属性和非活动名属性，Transformer模型使用编码‑解码构架，根据注意力机制的不同训练Transformer模型，得到不同的输入和输出模式，所述的注意力机制包括如下注意力策略：

3‑1)关注控制流信息，以此来预测事件及其属性；

3‑2)同时关注控制流信息和数据流信息，以此来预测事件及其属性；

3‑3)同时关注控制流信息和数据流信息，以此来预测事件及其属性，并且在预测其他属性时，额外关注预测目标事件的活动名；

4)计算业务流程属性的异常评分s，使用实际发生的事件属性和预测模型预测事件及其属性发生的概率分布P计算事件及其属性的异常评分；

5)使用自适应地确定事件属性的异常评分阈值的方法，应对过程感知系统中业务过程的不同场景，其中异常评分阈值的计算方法为：

5‑1)首先，根据事件属性的异常评分s确定异常评分阈值的范围：最小值τmin与最大值τmax；将异常评分阈值的取值区间设为[τmin,τmax]，在区间中构造一个大小为k的候选异常评分阈值集合T；

5‑2)计算T中每个异常评分阈值的异常比率，当异常比率为某属性的异常评分集合S的阈值为τi∈T时，被判定为异常的属性值个数占该属性的全部属性值个数的比率；

5‑3)使用差分法计算得到异常比率梯度的近似值，确定异常比率r梯度趋近于0的区间(|r′(s,τ)|＜ε)；

5‑4)在5‑3)步骤得到的异常比率区间中，选择异常评分阈值τ最大的区间作为候选阈值区间，选择候选阈值区间的平均值作为所确定的自适应阈值；

6)根据步骤4)计算得到的异常评分s，判定该事件或属性是否异常，使用如下判定函数进行判定，判定函数的表达式为：公式(1)中，s为当前过程实例事件属性的异常评分，τ为异常评分阈值，用于判断异常是否发生；当fthre(s,τ)＝0时，表示该事件属性正常；当fthre(s,τ)＝1时，表示该事件属性异常。

2.根据权利要求1所述的一种基于注意力机制的业务过程异常检测方法，其特征在于，步骤4)中，所述的异常评分，其计算方法是在概率分布P中，找到属性值，满足发生概率高于实际发生的属性值的概率，将这些属性值的概率求和得到异常评分s，异常评分s的计算公式如下为：公式(2)中，P为预测的概率分布，vt为实际发生的属性值，pt为在概率分布P中实际发生属性值的概率，通过概率分布到达将预测模型和异常判断的过程解耦。

3.根据权利要求1所述的一种基于注意力机制的业务过程异常检测方法，其特征在于，步骤5)中，所述的自适应地确定事件属性的异常评分阈值的方法，是对每个属性设定单独的异常评分阈值，进行异常检测，自适应地确定事件属性的异常评分阈值，无需依赖于用户手动设置的异常阈值或根据经验将其设定为某个常数。