💳 פיננסים — תפעול תשלומים מודל חי

בסיס — המודל שמאחורי המספרים

כל יחס שהסימולטור משתמש בו, עם המקור שלו. קבועים המסומנים כהנחות הם כיולים להמחשה.

עסקאות חדשות מגיעות בקצב בסיס כפול זינוק המכירה; הספירה לדקה אקראית (פואסון, קירוב נורמלי) עם מעט התפרצויות.

λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]הנחה: מספר המשבצות, זמני השירות והמנפיק, הפרדת הציונים, שיעורי המעבר באימות מוגבר, חלק העבודה המבוזבזת, הסכומים והמחירים הם ערכים להמחשה של מתג בגודל בינוני, לא נתונים של רשת אמיתית כלשהי.

ציון הונאה בינורמלי: ציוני אמת והונאה הם שתי עקומות נורמליות במרחק d′; הסף בוחר נקודה על עקומת ה-ROC.

genuine score ~ N(0,1), fraud ~ N(d′,1), d′ = 2.5; FPR(t) = 1 − Φ(t), TPR(t) = 1 − Φ(t − d′); AUC = Φ(d′/√2) ≈ 0.96[6][7]הנחה: מספר המשבצות, זמני השירות והמנפיק, הפרדת הציונים, שיעורי המעבר באימות מוגבר, חלק העבודה המבוזבזת, הסכומים והמחירים הם ערכים להמחשה של מתג בגודל בינוני, לא נתונים של רשת אמיתית כלשהי.

סף אופטימלי לפי עלות: דוחים כשיחס הנראות עולה על יחס העלויות המשוקלל בשיעור הבסיס — כשהונאה שכיחה פי עשרה הוא זז ln 10 / d′ ≈ 0.9σ למטה.

decline when e^(d′x − d′²/2) ≥ (1 − π)·c_FP / (π·c_FN) ⇒ t* = [ln((1 − π)c_FP/(π c_FN)) + d′²/2] / d′[8][7]

אימות מוגבר: ציונים בטווח שמתחת לסף מקבלים אתגר במקום החלטה.

scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]הנחה: מספר המשבצות, זמני השירות והמנפיק, הפרדת הציונים, שיעורי המעבר באימות מוגבר, חלק העבודה המבוזבזת, הסכומים והמחירים הם ערכים להמחשה של מתג בגודל בינוני, לא נתונים של רשת אמיתית כלשהי.

השהיית המנפיק מעריכית; משבצת מוחזקת למשך ההשהיה או פסק הזמן, מה שקרה קודם.

L ~ Exp(mean m); E[min(L, T)] = m(1 − e^(−T/m)), P(L > T) = e^(−T/m); S = 80 ms + forwarded × Σ share·E[min(L,T)][2][9]

חוק ליטל: משבצות תפוסות = קצב הגעה × זמן החזקה.

busy slots = λ·S (Little) ⇒ utilization = λ·S / (32 × servers)[3]

ארלנג C: הסיכוי שעסקה ממתינה למשבצת פנויה, והסיכוי שהיא ממתינה יותר מפסק הזמן של 2 s בתור.

P(W > 2 s) = C(a, N)·e^(−(N/S − λ)·2 s), a = λS; mean wait = C / (N/S − λ)[1][2]

מעבר לקיבולת המתג מבזבז עבודה גם על בקשות שהוא זונח אחר כך, ולכן התפוקה השימושית יורדת ככל שהעומס עולה; שחרור עומס דוחה את העודף בזול.

λ ≥ N/S: goodput = (N/S − ω·λ)/(1 − ω), ω = 0.3; load shedding admits ≤ 0.9·N/S and answers the rest at once[4][5]הנחה: מספר המשבצות, זמני השירות והמנפיק, הפרדת הציונים, שיעורי המעבר באימות מוגבר, חלק העבודה המבוזבזת, הסכומים והמחירים הם ערכים להמחשה של מתג בגודל בינוני, לא נתונים של רשת אמיתית כלשהי.

ניסיונות חוזרים של הלקוח: כל כשל טכני מנוסה עד שלוש פעמים, מיד או בנסיגה מעריכית אקראית.

failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]הנחה: מספר המשבצות, זמני השירות והמנפיק, הפרדת הציונים, שיעורי המעבר באימות מוגבר, חלק העבודה המבוזבזת, הסכומים והמחירים הם ערכים להמחשה של מתג בגודל בינוני, לא נתונים של רשת אמיתית כלשהי.

פסק זמן של המנפיק, היפוך ואישור חלופי: הסכומים לוג-נורמליים, ולכן החלק שמתחת למגבלה והנפח המאושר נובעים מההתפלגות המצטברת הנורמלית.

issuer timeout → reversal; stand-in approves if amount ≤ limit: P = Φ((ln L − μ)/σ), volume = e^(μ+σ²/2)·Φ((ln L − μ − σ²)/σ)[9][11]

שיעור הונאה בנקודות בסיס מהסכום המאושר; 13 bp משמשים כסולם ייחוס לתשלומי כרטיס מרחוק קטנים.

fraud rate = approved fraud amount / approved amount × 10,000 bp (reference scale: 13 bp)[10]

קבועי הפעלה נוספים שבהם משתמש המודל.

32 slots per server, 2–24 servers, +5 min boot, 6 u per server-hour · switch time 80 ms · queue timeout 2 s · issuer latency 250 ms (group B = 25 % of traffic, ±15 % per minute) · amounts lognormal, median 40 u, σ = 1, fraud ×1.5 · ω = 0.3 · shedding at 90 % · reversal = 80 ms of switch timeהנחה: מספר המשבצות, זמני השירות והמנפיק, הפרדת הציונים, שיעורי המעבר באימות מוגבר, חלק העבודה המבוזבזת, הסכומים והמחירים הם ערכים להמחשה של מתג בגודל בינוני, לא נתונים של רשת אמיתית כלשהי.

אקראיות: מחולל mulberry32 עם זרע; ההתפלגויות שבשימוש — אחידה, מעריכית (CDF הפוך), נורמלית (Box–Muller), פואסון (Knuth). הזרע מוצג וניתן לשיתוף.

מקורות

1. Teletraffic Engineering Handbook — Erlang C formula; waiting-time distribution for M/M/n, FCFS — ITU-D Study Group 2 Question 16/2 (V. B. Iversen), 2005
2. M. Harchol-Balter — Performance Modeling and Design of Computer Systems: Queueing Theory in Action (M/M/k, capacity provisioning) — Cambridge University Press, 2013
3. J. D. C. Little — A Proof for the Queuing Formula: L = λW — Operations Research 9(3):383–387, 1961
4. Site Reliability Engineering — Ch. 22 Addressing Cascading Failures (retries, randomized exponential backoff, load shedding, work on requests past their deadline) — Beyer, Jones, Petoff, Murphy (eds.), O'Reilly, 2016
5. N. Bronson, A. Aghayev, A. Charapko, T. Zhu — Metastable Failures in Distributed Systems — HotOS ’21, ACM, 2021
6. T. Fawcett — An introduction to ROC analysis — Pattern Recognition Letters 27(8):861–874, 2006
7. R. J. Bolton, D. J. Hand — Statistical Fraud Detection: A Review — Statistical Science 17(3):235–255, 2002
8. C. Elkan — The Foundations of Cost-Sensitive Learning — IJCAI 2001, 2001
9. ISO 8583-1:2003 Financial transaction card originated messages — Interchange message specifications — Part 1 (authorization, reversal messages) — ISO/TC 68/SC 9, 2003
10. Commission Delegated Regulation (EU) 2018/389 — RTS on strong customer authentication, Annex: reference fraud rates (0.13 % for remote card payments up to EUR 100) — Official Journal of the European Union, 2018
11. N. L. Johnson, S. Kotz, N. Balakrishnan — Continuous Univariate Distributions, Vol. 1 (lognormal distribution, partial moments) — Wiley, 1994