💳 ಹಣಕಾಸು — ಪಾವತಿ ಕಾರ್ಯಾಚರಣೆ ಲೈವ್ ಮಾದರಿ

ಆಧಾರ — ಸಂಖ್ಯೆಗಳ ಹಿಂದಿನ ಮಾದರಿ

ಸಿಮ್ಯುಲೇಟರ್ ಬಳಸುವ ಪ್ರತಿ ಸಂಬಂಧ, ಅದರ ಮೂಲದೊಂದಿಗೆ. ಊಹೆಗಳೆಂದು ಗುರುತಿಸಿದ ಸ್ಥಿರಾಂಕಗಳು ವಿವರಣಾತ್ಮಕ ಮಾಪನಾಂಕಗಳು.

ಹೊಸ ವಹಿವಾಟುಗಳು ಮೂಲ ದರ ಗುಣಿಸಿ ಮಾರಾಟದ ಏರಿಕೆಯ ದರದಲ್ಲಿ ಬರುತ್ತವೆ; ಪ್ರತಿ ನಿಮಿಷದ ಎಣಿಕೆ ಯಾದೃಚ್ಛಿಕ (ಪಾಯ್ಸನ್, ಸಾಮಾನ್ಯ ಅಂದಾಜು) ಮತ್ತು ಸ್ವಲ್ಪ ಸ್ಫೋಟಕತೆ ಇರುತ್ತದೆ.

λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]ಊಹೆ: ಸ್ಲಾಟ್ ಎಣಿಕೆಗಳು, ಸೇವೆ ಮತ್ತು ವಿತರಕರ ಸಮಯಗಳು, ಸ್ಕೋರ್ ಪ್ರತ್ಯೇಕತೆ, ಸ್ಟೆಪ್-ಅಪ್ ತೇರ್ಗಡೆ ದರಗಳು, ವ್ಯರ್ಥ-ಕೆಲಸದ ಪಾಲು, ಮೊತ್ತಗಳು ಮತ್ತು ಬೆಲೆಗಳು ಮಧ್ಯಮ ಗಾತ್ರದ ಸ್ವಿಚ್‌ಗಾಗಿ ವಿವರಣಾತ್ಮಕ ಮೌಲ್ಯಗಳು, ಯಾವುದೇ ನಿಜವಾದ ನೆಟ್‌ವರ್ಕ್‌ನ ಅಂಕಿಗಳಲ್ಲ.

ಬೈನಾರ್ಮಲ್ ವಂಚನೆ ಸ್ಕೋರ್: ನಿಜವಾದ ಮತ್ತು ವಂಚನೆ ಸ್ಕೋರ್‌ಗಳು d′ ಅಂತರದ ಎರಡು ಸಾಮಾನ್ಯ ವಕ್ರರೇಖೆಗಳು; ಮಿತಿ ROC ವಕ್ರರೇಖೆಯ ಮೇಲೆ ಒಂದು ಬಿಂದುವನ್ನು ಆರಿಸುತ್ತದೆ.

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]ಊಹೆ: ಸ್ಲಾಟ್ ಎಣಿಕೆಗಳು, ಸೇವೆ ಮತ್ತು ವಿತರಕರ ಸಮಯಗಳು, ಸ್ಕೋರ್ ಪ್ರತ್ಯೇಕತೆ, ಸ್ಟೆಪ್-ಅಪ್ ತೇರ್ಗಡೆ ದರಗಳು, ವ್ಯರ್ಥ-ಕೆಲಸದ ಪಾಲು, ಮೊತ್ತಗಳು ಮತ್ತು ಬೆಲೆಗಳು ಮಧ್ಯಮ ಗಾತ್ರದ ಸ್ವಿಚ್‌ಗಾಗಿ ವಿವರಣಾತ್ಮಕ ಮೌಲ್ಯಗಳು, ಯಾವುದೇ ನಿಜವಾದ ನೆಟ್‌ವರ್ಕ್‌ನ ಅಂಕಿಗಳಲ್ಲ.

ವೆಚ್ಚ-ಸೂಕ್ತ ಮಿತಿ: ಸಂಭಾವ್ಯತೆ ಅನುಪಾತ ಮೂಲ ದರದಿಂದ ತೂಗಿದ ವೆಚ್ಚ ಅನುಪಾತವನ್ನು ಮೀರಿದಾಗ ನಿರಾಕರಿಸಿ — ಹತ್ತು ಪಟ್ಟು ಹೆಚ್ಚು ವಂಚನೆ ಅದನ್ನು ln 10 / d′ ≈ 0.9σ ಕೆಳಗೆ ಸರಿಸುತ್ತದೆ.

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]

ಸ್ಟೆಪ್-ಅಪ್: ಮಿತಿಯ ಕೆಳಗಿನ ಪಟ್ಟಿಯಲ್ಲಿನ ಸ್ಕೋರ್‌ಗಳನ್ನು ನಿರ್ಧರಿಸುವ ಬದಲು ಪರೀಕ್ಷೆಗೆ ಒಡ್ಡಲಾಗುತ್ತದೆ.

scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]ಊಹೆ: ಸ್ಲಾಟ್ ಎಣಿಕೆಗಳು, ಸೇವೆ ಮತ್ತು ವಿತರಕರ ಸಮಯಗಳು, ಸ್ಕೋರ್ ಪ್ರತ್ಯೇಕತೆ, ಸ್ಟೆಪ್-ಅಪ್ ತೇರ್ಗಡೆ ದರಗಳು, ವ್ಯರ್ಥ-ಕೆಲಸದ ಪಾಲು, ಮೊತ್ತಗಳು ಮತ್ತು ಬೆಲೆಗಳು ಮಧ್ಯಮ ಗಾತ್ರದ ಸ್ವಿಚ್‌ಗಾಗಿ ವಿವರಣಾತ್ಮಕ ಮೌಲ್ಯಗಳು, ಯಾವುದೇ ನಿಜವಾದ ನೆಟ್‌ವರ್ಕ್‌ನ ಅಂಕಿಗಳಲ್ಲ.

ವಿತರಕರ ವಿಳಂಬ ಘಾತೀಯ; ಸ್ಲಾಟ್ ಅನ್ನು ವಿಳಂಬ ಅಥವಾ ಟೈಮ್‌ಔಟ್, ಯಾವುದು ಮೊದಲು ಬರುತ್ತದೋ ಅಷ್ಟು ಕಾಲ ಹಿಡಿದಿಡಲಾಗುತ್ತದೆ.

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]

ಲಿಟಲ್‌ನ ನಿಯಮ: ಕಾರ್ಯನಿರತ ಸ್ಲಾಟ್‌ಗಳು = ಆಗಮನ ದರ × ಹಿಡಿದಿಡುವ ಸಮಯ.

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

ಎರ್ಲಾಂಗ್ C: ವಹಿವಾಟು ಖಾಲಿ ಸ್ಲಾಟ್‌ಗಾಗಿ ಕಾಯುವ ಸಂಭವನೀಯತೆ, ಮತ್ತು 2-s ಸರದಿ ಟೈಮ್‌ಔಟ್‌ಗಿಂತ ಹೆಚ್ಚು ಕಾಲ ಕಾಯುವ ಸಂಭವನೀಯತೆ.

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

ಸಾಮರ್ಥ್ಯದ ಆಚೆ ಸ್ವಿಚ್ ನಂತರ ಕೈಬಿಡುವ ವಿನಂತಿಗಳ ಮೇಲೂ ಕೆಲಸ ಖರ್ಚು ಮಾಡುತ್ತದೆ, ಆದ್ದರಿಂದ ಹೊರೆ ಏರಿದಂತೆ ಉಪಯುಕ್ತ ಥ್ರೂಪುಟ್ ಇಳಿಯುತ್ತದೆ; ಲೋಡ್ ಶೆಡ್ಡಿಂಗ್ ಹೆಚ್ಚುವರಿಯನ್ನು ಅಗ್ಗವಾಗಿ ನಿರಾಕರಿಸುತ್ತದೆ.

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]ಊಹೆ: ಸ್ಲಾಟ್ ಎಣಿಕೆಗಳು, ಸೇವೆ ಮತ್ತು ವಿತರಕರ ಸಮಯಗಳು, ಸ್ಕೋರ್ ಪ್ರತ್ಯೇಕತೆ, ಸ್ಟೆಪ್-ಅಪ್ ತೇರ್ಗಡೆ ದರಗಳು, ವ್ಯರ್ಥ-ಕೆಲಸದ ಪಾಲು, ಮೊತ್ತಗಳು ಮತ್ತು ಬೆಲೆಗಳು ಮಧ್ಯಮ ಗಾತ್ರದ ಸ್ವಿಚ್‌ಗಾಗಿ ವಿವರಣಾತ್ಮಕ ಮೌಲ್ಯಗಳು, ಯಾವುದೇ ನಿಜವಾದ ನೆಟ್‌ವರ್ಕ್‌ನ ಅಂಕಿಗಳಲ್ಲ.

ಕ್ಲೈಂಟ್ ಮರುಪ್ರಯತ್ನಗಳು: ಪ್ರತಿ ತಾಂತ್ರಿಕ ವೈಫಲ್ಯವನ್ನು ಮೂರು ಬಾರಿಯವರೆಗೆ, ತಕ್ಷಣ ಅಥವಾ ಯಾದೃಚ್ಛಿಕ ಘಾತೀಯ ಬ್ಯಾಕ್‌ಆಫ್‌ನೊಂದಿಗೆ ಮರುಪ್ರಯತ್ನಿಸಲಾಗುತ್ತದೆ.

failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]ಊಹೆ: ಸ್ಲಾಟ್ ಎಣಿಕೆಗಳು, ಸೇವೆ ಮತ್ತು ವಿತರಕರ ಸಮಯಗಳು, ಸ್ಕೋರ್ ಪ್ರತ್ಯೇಕತೆ, ಸ್ಟೆಪ್-ಅಪ್ ತೇರ್ಗಡೆ ದರಗಳು, ವ್ಯರ್ಥ-ಕೆಲಸದ ಪಾಲು, ಮೊತ್ತಗಳು ಮತ್ತು ಬೆಲೆಗಳು ಮಧ್ಯಮ ಗಾತ್ರದ ಸ್ವಿಚ್‌ಗಾಗಿ ವಿವರಣಾತ್ಮಕ ಮೌಲ್ಯಗಳು, ಯಾವುದೇ ನಿಜವಾದ ನೆಟ್‌ವರ್ಕ್‌ನ ಅಂಕಿಗಳಲ್ಲ.

ವಿತರಕರ ಟೈಮ್‌ಔಟ್, ರಿವರ್ಸಲ್ ಮತ್ತು ಸ್ಟ್ಯಾಂಡ್-ಇನ್: ಮೊತ್ತಗಳು ಲಾಗ್‌ನಾರ್ಮಲ್, ಆದ್ದರಿಂದ ಮಿತಿಯ ಕೆಳಗಿನ ಪಾಲು ಮತ್ತು ಅನುಮೋದಿತ ಪ್ರಮಾಣ ಸಾಮಾನ್ಯ CDFಯಿಂದ ಬರುತ್ತದೆ.

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]

ಅನುಮೋದಿತ ಮೊತ್ತದ ಬೇಸಿಸ್ ಪಾಯಿಂಟ್‌ಗಳಲ್ಲಿ ವಂಚನೆ ದರ; ಸಣ್ಣ ದೂರಸ್ಥ ಕಾರ್ಡ್ ಪಾವತಿಗಳಿಗೆ 13 bp ಅನ್ನು ಉಲ್ಲೇಖ ಮಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ.

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

ಮಾದರಿ ಬಳಸುವ ಇತರ ಕಾರ್ಯಾಚರಣೆ ಸ್ಥಿರಾಂಕಗಳು.

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 timeಊಹೆ: ಸ್ಲಾಟ್ ಎಣಿಕೆಗಳು, ಸೇವೆ ಮತ್ತು ವಿತರಕರ ಸಮಯಗಳು, ಸ್ಕೋರ್ ಪ್ರತ್ಯೇಕತೆ, ಸ್ಟೆಪ್-ಅಪ್ ತೇರ್ಗಡೆ ದರಗಳು, ವ್ಯರ್ಥ-ಕೆಲಸದ ಪಾಲು, ಮೊತ್ತಗಳು ಮತ್ತು ಬೆಲೆಗಳು ಮಧ್ಯಮ ಗಾತ್ರದ ಸ್ವಿಚ್‌ಗಾಗಿ ವಿವರಣಾತ್ಮಕ ಮೌಲ್ಯಗಳು, ಯಾವುದೇ ನಿಜವಾದ ನೆಟ್‌ವರ್ಕ್‌ನ ಅಂಕಿಗಳಲ್ಲ.

ಯಾದೃಚ್ಛಿಕತೆ: ಸೀಡ್ ಮಾಡಿದ mulberry32 ಜನರೇಟರ್; ಬಳಸಿದ ವಿತರಣೆಗಳು — ಏಕರೂಪ, ಘಾತೀಯ (ವಿಲೋಮ CDF), ಸಾಮಾನ್ಯ (Box–Muller), ಪಾಯಿಸಾನ್ (Knuth). ಸೀಡ್ ತೋರಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಹಂಚಿಕೊಳ್ಳಬಹುದು.

ಮೂಲಗಳು

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