💳 ហិរញ្ញវត្ថុ — ប្រតិបត្តិការទូទាត់ គំរូផ្ទាល់

មូលដ្ឋាន — គំរូនៅពីក្រោយលេខ

គ្រប់ទំនាក់ទំនងដែលកម្មវិធីក្លែងធ្វើប្រើ ជាមួយប្រភពរបស់វា។ ថេរដែលសម្គាល់ជាការសន្មត់គឺជាការក្រិតតាមខ្នាតបង្ហាញ។

ប្រតិបត្តិការថ្មីមកដល់តាមអត្រាមូលដ្ឋានគុណនឹងការកើនឡើងនៃការលក់។ ចំនួនក្នុងមួយនាទីគឺចៃដន្យ (Poisson ការប៉ាន់ស្មានធម្មតា) ជាមួយការផ្ទុះបន្តិចបន្តួច។

λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]ការសន្មត៖ ចំនួនរន្ធ ពេលសេវា និងពេលអ្នកចេញកាត ការបំបែកពិន្ទុ អត្រាឆ្លងកាត់ step-up ចំណែកការងារខ្ជះខ្ជាយ ចំនួនទឹកប្រាក់ និងតម្លៃ គឺជាតម្លៃសម្រាប់ពន្យល់សម្រាប់ស្វីចទំហំមធ្យម មិនមែនជាតួលេខនៃបណ្តាញពិតណាមួយទេ។

ពិន្ទុក្លែងបន្លំ binormal៖ ពិន្ទុពិត និងក្លែងបន្លំគឺជាខ្សែកោងធម្មតាពីរដែលនៅចម្ងាយ d′ ពីគ្នា។ កម្រិតជ្រើសរើសចំណុចមួយលើខ្សែកោង 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]ការសន្មត៖ ចំនួនរន្ធ ពេលសេវា និងពេលអ្នកចេញកាត ការបំបែកពិន្ទុ អត្រាឆ្លងកាត់ step-up ចំណែកការងារខ្ជះខ្ជាយ ចំនួនទឹកប្រាក់ និងតម្លៃ គឺជាតម្លៃសម្រាប់ពន្យល់សម្រាប់ស្វីចទំហំមធ្យម មិនមែនជាតួលេខនៃបណ្តាញពិតណាមួយទេ។

កម្រិតល្អបំផុតតាមថ្លៃដើម៖ បដិសេធនៅពេលសមាមាត្រប្រូបាប៊ីលីតេលើសសមាមាត្រថ្លៃដើមដែលថ្លឹងដោយអត្រាមូលដ្ឋាន — ការក្លែងបន្លំកើតញឹកញាប់ជាងដប់ដងផ្លាស់ទីវាទាប ln 10 / d′ ≈ 0.9σ។

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៖ ពិន្ទុក្នុងក្រុមក្រោមកម្រិតត្រូវបានសាកល្បង ជំនួសឱ្យការសម្រេច។

scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]ការសន្មត៖ ចំនួនរន្ធ ពេលសេវា និងពេលអ្នកចេញកាត ការបំបែកពិន្ទុ អត្រាឆ្លងកាត់ step-up ចំណែកការងារខ្ជះខ្ជាយ ចំនួនទឹកប្រាក់ និងតម្លៃ គឺជាតម្លៃសម្រាប់ពន្យល់សម្រាប់ស្វីចទំហំមធ្យម មិនមែនជាតួលេខនៃបណ្តាញពិតណាមួយទេ។

ភាពយឺតរបស់អ្នកចេញកាតគឺអិចស្ប៉ូណង់ស្យែល។ រន្ធត្រូវបានរក្សាទុកសម្រាប់ភាពយឺត ឬពេលផុតកំណត់ ណាមួយដែលមកដល់មុន។

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]

ច្បាប់ Little៖ រន្ធរវល់ = អត្រាមកដល់ × ពេលរក្សាទុក។

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

Erlang C៖ ឱកាសដែលប្រតិបត្តិការរង់ចាំរន្ធទំនេរ និងឱកាសដែលវារង់ចាំយូរជាងពេលផុតកំណត់ជួរ 2 វិនាទី។

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

លើសសមត្ថភាព ស្វីចក៏ចំណាយការងារលើសំណើដែលវាបោះបង់ក្រោយដែរ ដូច្នេះទិន្នផលមានប្រយោជន៍ធ្លាក់ចុះនៅពេលបន្ទុកកើនឡើង។ load shedding បដិសេធផ្នែកលើសក្នុងថ្លៃថោក។

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]ការសន្មត៖ ចំនួនរន្ធ ពេលសេវា និងពេលអ្នកចេញកាត ការបំបែកពិន្ទុ អត្រាឆ្លងកាត់ step-up ចំណែកការងារខ្ជះខ្ជាយ ចំនួនទឹកប្រាក់ និងតម្លៃ គឺជាតម្លៃសម្រាប់ពន្យល់សម្រាប់ស្វីចទំហំមធ្យម មិនមែនជាតួលេខនៃបណ្តាញពិតណាមួយទេ។

ការព្យាយាមម្តងទៀតរបស់អតិថិជន៖ ការបរាជ័យបច្ចេកទេសនីមួយៗត្រូវបានព្យាយាមម្តងទៀតរហូតដល់បីដង ភ្លាមៗ ឬជាមួយ backoff អិចស្ប៉ូណង់ស្យែលចៃដន្យ។

failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]ការសន្មត៖ ចំនួនរន្ធ ពេលសេវា និងពេលអ្នកចេញកាត ការបំបែកពិន្ទុ អត្រាឆ្លងកាត់ step-up ចំណែកការងារខ្ជះខ្ជាយ ចំនួនទឹកប្រាក់ និងតម្លៃ គឺជាតម្លៃសម្រាប់ពន្យល់សម្រាប់ស្វីចទំហំមធ្យម មិនមែនជាតួលេខនៃបណ្តាញពិតណាមួយទេ។

ពេលផុតកំណត់របស់អ្នកចេញកាត reversal និង stand-in៖ ចំនួនទឹកប្រាក់ជា lognormal ដូច្នេះចំណែកក្រោមដែនកំណត់ និងបរិមាណដែលបានអនុម័តកើតចេញពី CDF ធម្មតា។

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]

អត្រាក្លែងបន្លំជា basis point នៃចំនួនទឹកប្រាក់ដែលបានអនុម័ត។ 13 bp ត្រូវបានប្រើជាមាត្រដ្ឋានយោងសម្រាប់ការទូទាត់កាតតូចៗពីចម្ងាយ។

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

ថេរប្រតិបត្តិការផ្សេងទៀតដែលម៉ូដែលប្រើ។

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 timeការសន្មត៖ ចំនួនរន្ធ ពេលសេវា និងពេលអ្នកចេញកាត ការបំបែកពិន្ទុ អត្រាឆ្លងកាត់ step-up ចំណែកការងារខ្ជះខ្ជាយ ចំនួនទឹកប្រាក់ និងតម្លៃ គឺជាតម្លៃសម្រាប់ពន្យល់សម្រាប់ស្វីចទំហំមធ្យម មិនមែនជាតួលេខនៃបណ្តាញពិតណាមួយទេ។

ភាពចៃដន្យ៖ ម៉ាស៊ីនបង្កើត mulberry32 ដែលមានគ្រាប់ពូជ ការចែកចាយដែលប្រើ — ឯកសណ្ឋាន អិចស្ប៉ូណង់ស្យែល (CDF បញ្ច្រាស) ធម្មតា (Box–Muller) Poisson (Knuth)។ គ្រាប់ពូជត្រូវបានបង្ហាញ និងអាចចែករំលែកបាន។

ប្រភព

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