💳 ഫിനാൻസ് — പേയ്‌മെന്റ് പ്രവർത്തനങ്ങൾ ലൈവ് മോഡൽ

അടിസ്ഥാനം — സംഖ്യകൾക്ക് പിന്നിലെ മോഡൽ

സിമുലേറ്റർ ഉപയോഗിക്കുന്ന ഓരോ ബന്ധവും അതിന്റെ ഉറവിടം സഹിതം. അനുമാനങ്ങളായി അടയാളപ്പെടുത്തിയ സ്ഥിരാങ്കങ്ങൾ ഉദാഹരണത്തിനുള്ള കാലിബ്രേഷനുകളാണ്.

പുതിയ ഇടപാടുകൾ അടിസ്ഥാന നിരക്ക് ഗുണിത സെയിൽ സർജ് എന്ന നിരക്കിൽ എത്തുന്നു; മിനിറ്റിലെ എണ്ണം ക്രമരഹിതമാണ് (പോയ്സൺ, നോർമൽ ഏകദേശം) അൽപ്പം ബഴ്സ്റ്റിനസ്സോടെ.

λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]അനുമാനം: സ്ലോട്ട് എണ്ണം, സേവന, ഇഷ്യർ സമയങ്ങൾ, സ്കോർ വേർതിരിവ്, സ്റ്റെപ്പ്-അപ്പ് വിജയ നിരക്കുകൾ, പാഴായ ജോലിയുടെ അംശം, തുകകൾ, വിലകൾ എന്നിവ ഒരു ഇടത്തരം സ്വിച്ചിനുള്ള ഉദാഹരണ മൂല്യങ്ങളാണ്, ഏതെങ്കിലും യഥാർത്ഥ നെറ്റ്‌വർക്കിന്റെ കണക്കുകളല്ല.

ബൈനോർമൽ തട്ടിപ്പ് സ്കോർ: യഥാർത്ഥ, തട്ടിപ്പ് സ്കോറുകൾ d′ അകലത്തിലുള്ള രണ്ട് നോർമൽ വക്രങ്ങളാണ്; ത്രെഷോൾഡ് ROC വക്രത്തിലെ ഒരു ബിന്ദു തിരഞ്ഞെടുക്കുന്നു.

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]അനുമാനം: സ്ലോട്ട് എണ്ണം, സേവന, ഇഷ്യർ സമയങ്ങൾ, സ്കോർ വേർതിരിവ്, സ്റ്റെപ്പ്-അപ്പ് വിജയ നിരക്കുകൾ, പാഴായ ജോലിയുടെ അംശം, തുകകൾ, വിലകൾ എന്നിവ ഒരു ഇടത്തരം സ്വിച്ചിനുള്ള ഉദാഹരണ മൂല്യങ്ങളാണ്, ഏതെങ്കിലും യഥാർത്ഥ നെറ്റ്‌വർക്കിന്റെ കണക്കുകളല്ല.

ചെലവ്-ഒപ്റ്റിമൽ ത്രെഷോൾഡ്: ലൈക്ലിഹുഡ് അനുപാതം അടിസ്ഥാന നിരക്ക് കൊണ്ട് ഭാരം നൽകിയ ചെലവ് അനുപാതത്തെ കവിയുമ്പോൾ നിരസിക്കുക — തട്ടിപ്പ് പത്തിരട്ടി കൂടുതലാകുമ്പോൾ അത് ln 10 / d′ ≈ 0.9σ താഴേക്ക് മാറുന്നു.

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]

സ്റ്റെപ്പ്-അപ്പ്: ത്രെഷോൾഡിന് താഴെയുള്ള ബാൻഡിലെ സ്കോറുകൾക്ക് തീരുമാനിക്കുന്നതിന് പകരം വെല്ലുവിളി നൽകുന്നു.

scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]അനുമാനം: സ്ലോട്ട് എണ്ണം, സേവന, ഇഷ്യർ സമയങ്ങൾ, സ്കോർ വേർതിരിവ്, സ്റ്റെപ്പ്-അപ്പ് വിജയ നിരക്കുകൾ, പാഴായ ജോലിയുടെ അംശം, തുകകൾ, വിലകൾ എന്നിവ ഒരു ഇടത്തരം സ്വിച്ചിനുള്ള ഉദാഹരണ മൂല്യങ്ങളാണ്, ഏതെങ്കിലും യഥാർത്ഥ നെറ്റ്‌വർക്കിന്റെ കണക്കുകളല്ല.

ഇഷ്യർ ലേറ്റൻസി എക്സ്പൊണൻഷ്യൽ ആണ്; ലേറ്റൻസിക്കോ ടൈംഔട്ടിനോ, ഏതാണോ ആദ്യം വരുന്നത്, ഒരു സ്ലോട്ട് പിടിച്ചുവയ്ക്കുന്നു.

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]

ലിറ്റിലിന്റെ നിയമം: തിരക്കുള്ള സ്ലോട്ടുകൾ = വരവ് നിരക്ക് × പിടിച്ചുവയ്ക്കൽ സമയം.

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

എർലാങ് C: ഒരു ഇടപാട് സ്വതന്ത്ര സ്ലോട്ടിനായി കാത്തിരിക്കാനുള്ള സാധ്യതയും 2-സെക്കൻഡ് ക്യൂ ടൈംഔട്ടിനേക്കാൾ കൂടുതൽ കാത്തിരിക്കാനുള്ള സാധ്യതയും.

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

ശേഷിക്കപ്പുറം സ്വിച്ച് പിന്നീട് ഉപേക്ഷിക്കുന്ന അഭ്യർത്ഥനകൾക്കും ജോലി ചെലവഴിക്കുന്നു, അതിനാൽ ലോഡ് കൂടുമ്പോൾ പ്രയോജനകരമായ ത്രൂപുട്ട് കുറയുന്നു; ലോഡ് ഷെഡ്ഡിംഗ് അധികമുള്ളതിനെ ചെലവ് കുറച്ച് നിരസിക്കുന്നു.

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]അനുമാനം: സ്ലോട്ട് എണ്ണം, സേവന, ഇഷ്യർ സമയങ്ങൾ, സ്കോർ വേർതിരിവ്, സ്റ്റെപ്പ്-അപ്പ് വിജയ നിരക്കുകൾ, പാഴായ ജോലിയുടെ അംശം, തുകകൾ, വിലകൾ എന്നിവ ഒരു ഇടത്തരം സ്വിച്ചിനുള്ള ഉദാഹരണ മൂല്യങ്ങളാണ്, ഏതെങ്കിലും യഥാർത്ഥ നെറ്റ്‌വർക്കിന്റെ കണക്കുകളല്ല.

ക്ലയന്റ് റീട്രൈകൾ: ഓരോ സാങ്കേതിക പരാജയവും മൂന്ന് തവണ വരെ, ഉടനടിയോ ക്രമരഹിത എക്സ്പൊണൻഷ്യൽ ബാക്ക്ഓഫ് സഹിതമോ വീണ്ടും ശ്രമിക്കുന്നു.

failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]അനുമാനം: സ്ലോട്ട് എണ്ണം, സേവന, ഇഷ്യർ സമയങ്ങൾ, സ്കോർ വേർതിരിവ്, സ്റ്റെപ്പ്-അപ്പ് വിജയ നിരക്കുകൾ, പാഴായ ജോലിയുടെ അംശം, തുകകൾ, വിലകൾ എന്നിവ ഒരു ഇടത്തരം സ്വിച്ചിനുള്ള ഉദാഹരണ മൂല്യങ്ങളാണ്, ഏതെങ്കിലും യഥാർത്ഥ നെറ്റ്‌വർക്കിന്റെ കണക്കുകളല്ല.

ഇഷ്യർ ടൈംഔട്ട്, റിവേഴ്സൽ, സ്റ്റാൻഡ്-ഇൻ: തുകകൾ ലോഗ്നോർമൽ ആണ്, അതിനാൽ പരിധിക്ക് താഴെയുള്ള അംശവും അംഗീകരിച്ച വോളിയവും നോർമൽ CDF-ൽ നിന്ന് ലഭിക്കുന്നു.

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]

അംഗീകരിച്ച തുകയുടെ ബേസിസ് പോയിന്റുകളിൽ തട്ടിപ്പ് നിരക്ക്; ചെറിയ റിമോട്ട് കാർഡ് പേയ്‌മെന്റുകൾക്ക് 13 bp ഒരു റഫറൻസ് സ്കെയിലായി ഉപയോഗിക്കുന്നു.

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

മോഡൽ ഉപയോഗിക്കുന്ന മറ്റ് പ്രവർത്തന സ്ഥിരാങ്കങ്ങൾ.

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 timeഅനുമാനം: സ്ലോട്ട് എണ്ണം, സേവന, ഇഷ്യർ സമയങ്ങൾ, സ്കോർ വേർതിരിവ്, സ്റ്റെപ്പ്-അപ്പ് വിജയ നിരക്കുകൾ, പാഴായ ജോലിയുടെ അംശം, തുകകൾ, വിലകൾ എന്നിവ ഒരു ഇടത്തരം സ്വിച്ചിനുള്ള ഉദാഹരണ മൂല്യങ്ങളാണ്, ഏതെങ്കിലും യഥാർത്ഥ നെറ്റ്‌വർക്കിന്റെ കണക്കുകളല്ല.

ക്രമരാഹിത്യം: സീഡ് ഉള്ള mulberry32 ജനറേറ്റർ; ഉപയോഗിക്കുന്ന വിതരണങ്ങൾ — യൂണിഫോം, എക്സ്പോണൻഷ്യൽ (ഇൻവേഴ്സ് CDF), നോർമൽ (Box–Muller), പോയിസൺ (Knuth). സീഡ് കാണിക്കുകയും പങ്കിടാൻ കഴിയുകയും ചെയ്യും.

ഉറവിടങ്ങൾ

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