Project

Regelkonformität oder Compliance ist eine wichtige Aufgabe, der Unternehmen ganze Abteilungen widmen. Diese Abteilungen müssen mitunter komplexe Abläufe anhand von Ereignisprotokollen oder Logdateien von beträchtlichem Umfang schnell und zuverlässig auf Einhaltung gegebener Regeln prüfen. Eine typische Regel für eine Bank könnte lauten: Kein Kunde darf mehr als 5000 Franken pro Woche abheben. Die Identifizierung einzelner Verstösse ist von grossem Wert.

Wir entwickeln Algorithmen, die kontinuierlich ankommende Daten auf Regelverstösse überprüfen. Je komplexer die Regel, desto grösser ist die Herausforderung, sie auf enormen Datenmengen effizient zu prüfen. Die Ausdrucksstärke der Eingabesprache beeinflusst die mögliche Komplexität der Regeln und damit auch die Effizienz der Algorithmen. Wir streben nach einer möglichst effizienten Regelüberprüfung für ausdrucksstarke und somit vielfältig einsetzbare Eingabesprachen.

Das Problem der automatisierten Regelüberprüfung kann von zwei Seiten angegangen werden. Einerseits verbessert die theoretische Forschung die Ausdrucksstärke der Eingabesprache für Regeln und entwickelt Algorithmen für diese Sprachen. Die Skalierbarkeit dieser Algorithmen auf grosse Datenmengen wird jedoch oft vernachlässigt. Andererseits implementiert die praktische Forschung skalierbare Algorithmen zur parallelisierten Ausführung in Rechenclustern. Dabei kommt der Entwurf der Eingabesprache oft zu kurz. Unser Projekt vereint beide Ansätze zum beidseitigen Nutzen

La conformité aux règles, ou "compliance", est une tâche importante à laquelle les entreprises consacrent des départements entiers. Ceux-ci doivent parfois, sur la base d’un nombre considérable de journaux d’événements ou de fichiers journaux, contrôler rapidement et de façon fiable que des procédures complexes respectent bien les règles fixées. Une règle typique pour une banque pourrait stipuler qu’un client ne peut pas retirer plus de 5000 francs par semaine. L’identification de certaines infractions a une grande valeur.

Nous développons des algorithmes qui contrôlent en continu des données entrantes pour vérifier si elles contreviennent aux règles. Plus elles sont complexes, plus le contrôle de quantités énormes de données devient difficile. Une langue d’entrée plus ou moins expressive pour les règles gère la complexité réglementaire. Nous visons un contrôle des règles aussi efficace que possible pour des langues d’entrée expressives et pouvant donc s’utiliser de diverses manières.

La poursuite du développement du contrôle automatisé des règles est soumise à un double défi. La recherche théorique améliore d’un côté l’expressivité de la langue d’entrée et développe des algorithmes pour ces langues. L’adaptabilité de ces algorithmes à des grandes quantités de données est toutefois souvent négligée. La recherche appliquée implémente des algorithmes adaptables pour une application parallélisée dans des clusters informatiques, délaissant souvent la conception de la langue d’entrée. Notre projet allie les deux approches, qui en bénéficieront ainsi mutuellement.

Compliance is a crucial task, and companies have entire departments whose task is to oversee it. Given voluminous log files and other inputs, these departments must quickly and reliably monitor whether the procedures are being followed in compliance with the (possibly complex) rules in force. A typical rule for a bank might be: No customer may withdraw more than 5000 Swiss francs per week. Being able to identify individual violations is of considerable value.

We are developing algorithms that continually monitor incoming data for rule violations. The more complex the rule, the greater the challenge of checking it efficiently against enormous volumes of data. The expressiveness of the input language influences the possible complexity of rules and therefore the efficiency of the monitoring algorithm. Our goal is to find efficient monitoring algorithms for highly expressive and hence practically useful input languages.

The problem of automated rule monitoring can be approached from two directions. On the one hand, theoretical research is improving the expressiveness of the input language for rules and developing algorithms for these languages. However, the scalability of these algorithms to accommodate huge data volumes is frequently neglected. On the other hand, practical research is being conducted on implementing scalable algorithms for parallelised execution in computer clusters. In this context, work on designing input languages often does not receive the attention it merits. Our project combines the two approaches to the benefit of both.