최근 기술 발전으로 인해, 불확실한 센서나 기계 학습 모델과 같은 비결정론적 소스에서 프로세스 로그가 캡처되고 있습니다. 확률적 정보를 포함하는 로그인 확률적으로 알려진 로그의 존재는 이러한 시스템을 관리하는 프로세스를 이해하는 신뢰할 수 있는 수단을 제공하기 위해 확률적 트레이스 복구의 필요성을 증가시킵니다. 본 논문에서는 DDPM(Diffusion Denoising Probabilistic Models)을 기반으로 하는 새로운 딥 러닝 접근 방식을 설계하여, 프로세스 지식을 활용하여 노이즈 제거를 통해 트레이스를 복구합니다. 실험적 평가는 기존 방법에 비해 최대 25%의 성능 향상과 높은 노이즈 수준에서의 향상된 견고성을 보여줍니다.
