Keuangan — operasi pembayaran Model langsung

Anda berada di meja operasi switch pembayaran yang berada di antara pedagang dan penerbit kartu. Setiap menit sekitar 400 transaksi per detik tiba; masing-masing diberi skor penipuan, menunggu slot koneksi bebas, dan diteruskan ke penerbitnya untuk dijawab. Model menghitung antrean, timeout, percobaan ulang klien, kompromi penyaringan penipuan, dan eksposur stand-in dari rumus buku teks. Jumlah uang dalam satuan mata uang generik (u). Hanya simulasi edukasi — bukan saran keuangan, hukum, atau investasi.

Apa yang akan Anda pelajari

Simulator

Waktu 0 mnt
Beban yang ditawarkan (baru + percobaan ulang) 400 · Percobaan ulang 0 · Tingkat persetujuan pelanggan baik 99,9% · Waktu otorisasi 330 ms · Slot koneksi sibuk 69% · Server beroperasi 6 (+0) · Tingkat penipuan (porsi jumlah yang disetujui) 10,4 bp · Timeout penerbit 0,0% · Eksposur stand-in 0,00 M uPenyaring penipuant = 3,00σ✓ 99,9% · ? 0,0% · ✗ 0,1%Penipuan dihentikan 31%Tingkat penipuan (porsijumlah yangdisetujui) 10,4 bp400 tx/dtk · ↻ 0Server otorisasi▶▶▶▶▶▶··················Slot koneksi sibuk 69%330 ms · ✗ 0,0%Penerbit A✓ 250 msPenerbit B✓ 250 ms⏱ 8 s · ⌛ 0,0% · Σ 0 uTingkat persetujuan pelanggan baik 99,9%Eksposur stand-in 0,00 M u
  • Server beroperasi
  • Server sedang menyala
  • Posisi rak server kosong
  • Penerbit menjawab normal
  • Penerbit lambat atau mati
  • Pemrosesan stand-in aktif
  • Transaksi masuk

Kontrol

Setiap server menampung 32 slot koneksi. Server yang ditambahkan butuh 5 menit untuk menyala; setiap server ditagih, baik sedang menyala maupun tidak.

Menerima paling banyak 90 % kapasitas dan langsung menjawab kelebihannya dengan "coba lagi nanti", alih-alih membiarkannya mengantre lalu timeout.

Cara pedagang mencoba ulang kegagalan teknis (hingga 3 kali). Segera = pada menit berikutnya; backoff = backoff eksponensial acak, jeda rata-rata 1, 2, dan 4 menit.

Transaksi dengan skor sama dengan atau di atas ini ditolak. Skor dinyatakan dalam simpangan baku lalu lintas asli: lebih rendah berarti lebih banyak penipuan terhenti dan lebih banyak pelanggan baik ditolak.

Skor sejauh ini di bawah ambang mendapat tantangan tambahan bagi pelanggan alih-alih keputusan: 85 % pelanggan asli menyelesaikannya, 5 % penipu lolos. 0 = mati.

Berapa lama slot koneksi menunggu jawaban penerbit. Setelah itu switch mengirim reversal dan memakai stand-in, atau menolak dengan "penerbit tidak tersedia".

Ketika penerbit tidak menjawab tepat waktu, switch menyetujui atas namanya hingga jumlah ini. Setiap persetujuan stand-in adalah eksposur yang tidak pernah diperiksa penerbit. 0 = mati.

Indikator

Tingkat persetujuan pelanggan baik
99,9%
normal
Waktu otorisasi
330ms
normal
Tingkat penipuan (porsi jumlah yang disetujui)
10,4bp
normal
Slot koneksi sibuk
69%
normal
Tingkat persetujuan, penerbit sehat99,9 %
Pelanggan baik ditolak oleh aturan penipuan1,3 ‰
Transaksi dikirim ke step-up0,0 %
Penipuan dihentikan31 %
Transaksi baru400 tx/s
Beban yang ditawarkan (baru + percobaan ulang)400 tx/s
Percobaan ulang0 tx/s
Dibuang (dijawab "coba nanti")0 tx/s
Dibuang di antrean0,0 %
Timeout penerbit0,0 %
Persetujuan stand-in0 tx/s
Server beroperasi6
Server sedang menyala0
Laju biaya server36 u/h
Biaya server sejauh ini0 u
Eksposur stand-in0,00 M u
Penipuan disetujui sejauh ini0,00 M u
Transaksi baik hilang sejauh ini0,0 k tx
Transaksi menunggu percobaan ulang0 tx
Latensi kelompok penerbit B (rata-rata)250 ms

Tren

Tingkat persetujuan pelanggan baik: — %100,00,0

Skenario krisis

Level 1 · Lonjakan puncak obral

Obral besar online dibuka pada menit ke-5 dan menggandakan lalu lintas menjadi sekitar 800 transaksi per detik selama 45 menit. Switch menjalankan 6 server, dirancang untuk hari normal dengan sekitar 70 % sibuk. Pedagang mencoba ulang setiap kegagalan teknis segera. Jaga pelanggan baik tetap disetujui dan jawaban tetap cepat tanpa membeli kapasitas yang tidak Anda butuhkan.

  • Rata-rata persetujuan pelanggan baik ≥ 95 % sejak obral
  • Rata-rata waktu otorisasi ≤ 500 ms
  • Biaya server ≤ 75 u

Level 2 · Gelombang penipuan

Pada menit ke-5 sekelompok data kartu curian mulai dipakai: porsi penipuan dalam lalu lintas melonjak dari 0,1 % ke 1 %. Ambang penolakan diatur untuk hari normal (3σ) dan step-up mati. Turunkan tingkat penipuan tanpa menolak pelanggan baik.

  • Rata-rata tingkat penipuan ≤ 25 bp
  • Rata-rata persetujuan pelanggan baik ≥ 98 %
  • Pelanggan baik ditolak oleh aturan ≤ 5 ‰

Level 3 · Gangguan penerbit

Pada menit ke-5 penerbit kelompok B — seperempat seluruh lalu lintas — melambat ke waktu jawab rata-rata 12 detik. Switch menunggu hingga 8 detik untuk sebuah jawaban, tidak punya stand-in, dan menjalankan 6 server. Jaga pelanggan penerbit yang sehat tetap mengalir, layani kelompok B sejauh aman, dan jaga eksposur stand-in dan biaya tetap terkendali.

  • Rata-rata persetujuan pelanggan penerbit sehat ≥ 90 %
  • Rata-rata persetujuan pelanggan baik ≥ 86 %
  • Eksposur stand-in ≤ 9 M u
  • Biaya server ≤ 65 u

Dasar — model di balik angka

Setiap hubungan yang dipakai simulator, beserta sumbernya. Konstanta yang ditandai sebagai asumsi adalah kalibrasi ilustratif.

Transaksi baru tiba dengan laju dasar dikali lonjakan penjualan; jumlah per menit acak (Poisson, aproksimasi normal) dengan sedikit sifat bergerombol.
λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]Asumsi: jumlah slot, waktu layanan dan waktu penerbit, pemisahan skor, tingkat lolos step-up, porsi kerja terbuang, jumlah uang, dan harga adalah nilai ilustratif untuk switch berukuran menengah, bukan angka jaringan nyata mana pun.
Skor penipuan binormal: skor asli dan skor penipuan adalah dua kurva normal yang berjarak d′; ambang memilih satu titik pada kurva 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]Asumsi: jumlah slot, waktu layanan dan waktu penerbit, pemisahan skor, tingkat lolos step-up, porsi kerja terbuang, jumlah uang, dan harga adalah nilai ilustratif untuk switch berukuran menengah, bukan angka jaringan nyata mana pun.
Ambang optimal biaya: tolak ketika rasio kemungkinan melebihi rasio biaya yang dibobot laju dasar — penipuan sepuluh kali lebih sering menggesernya ln 10 / d′ ≈ 0,9σ lebih rendah.
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]
Step-up: skor di pita di bawah ambang ditantang, bukan diputuskan.
scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]Asumsi: jumlah slot, waktu layanan dan waktu penerbit, pemisahan skor, tingkat lolos step-up, porsi kerja terbuang, jumlah uang, dan harga adalah nilai ilustratif untuk switch berukuran menengah, bukan angka jaringan nyata mana pun.
Latensi penerbit bersifat eksponensial; slot ditahan selama latensi atau timeout, mana yang lebih dulu.
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]
Hukum Little: slot sibuk = laju kedatangan × waktu penahanan.
busy slots = λ·S (Little) ⇒ utilization = λ·S / (32 × servers)[3]
Erlang C: peluang transaksi menunggu slot bebas, dan peluang ia menunggu lebih lama dari timeout antrean 2 detik.
P(W > 2 s) = C(a, N)·e^(−(N/S − λ)·2 s), a = λS; mean wait = C / (N/S − λ)[1][2]
Di luar kapasitas switch juga mengeluarkan kerja untuk permintaan yang kemudian dibuang, sehingga throughput berguna turun saat beban naik; load shedding menolak kelebihannya dengan murah.
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]Asumsi: jumlah slot, waktu layanan dan waktu penerbit, pemisahan skor, tingkat lolos step-up, porsi kerja terbuang, jumlah uang, dan harga adalah nilai ilustratif untuk switch berukuran menengah, bukan angka jaringan nyata mana pun.
Percobaan ulang klien: setiap kegagalan teknis dicoba ulang hingga tiga kali, segera atau dengan backoff eksponensial acak.
failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]Asumsi: jumlah slot, waktu layanan dan waktu penerbit, pemisahan skor, tingkat lolos step-up, porsi kerja terbuang, jumlah uang, dan harga adalah nilai ilustratif untuk switch berukuran menengah, bukan angka jaringan nyata mana pun.
Timeout penerbit, reversal, dan stand-in: jumlah uang berdistribusi lognormal, sehingga porsi di bawah batas dan volume yang disetujui mengikuti CDF normal.
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]
Tingkat penipuan dalam basis poin dari jumlah yang disetujui; 13 bp dipakai sebagai skala acuan untuk pembayaran kartu jarak jauh bernilai kecil.
fraud rate = approved fraud amount / approved amount × 10,000 bp (reference scale: 13 bp)[10]
Konstanta operasi lain yang digunakan model.
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 timeAsumsi: jumlah slot, waktu layanan dan waktu penerbit, pemisahan skor, tingkat lolos step-up, porsi kerja terbuang, jumlah uang, dan harga adalah nilai ilustratif untuk switch berukuran menengah, bukan angka jaringan nyata mana pun.

Keacakan: generator mulberry32 ber-seed; distribusi yang dipakai — seragam, eksponensial (CDF invers), normal (Box–Muller), Poisson (Knuth). Seed ditampilkan dan dapat dibagikan.

Sumber

  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

Siapa yang melakukan ini sebagai profesi

Model edukasi — bukan untuk keputusan operasional. Situs nyata mengkalibrasi setiap konstanta sesuai peralatan dan data mereka sendiri.