💳 நிதி — கட்டண இயக்கம் நேரடி மாதிரி

அடிப்படை — எண்களுக்குப் பின்னுள்ள மாதிரி

சிமுலேட்டர் பயன்படுத்தும் ஒவ்வொரு தொடர்பும், அதன் மூலத்துடன். அனுமானங்களாகக் குறிக்கப்பட்ட மாறிலிகள் எடுத்துக்காட்டு அளவுதிருத்தங்கள்.

புதிய பரிவர்த்தனைகள் அடிப்படை விகிதம் × விற்பனை எழுச்சியில் வருகின்றன; நிமிடத்துக்கான எண்ணிக்கை சீரற்றது (பாய்சான், இயல்புநிலை தோராயம்), சிறிது வெடிப்புத்தன்மையுடன்.

λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]அனுமானம்: இடங்களின் எண்ணிக்கை, சேவை, வழங்குநர் நேரங்கள், மதிப்பெண் பிரிப்பு, step-up தேர்ச்சி விகிதங்கள், வீணான வேலையின் பங்கு, தொகைகள், விலைகள் ஆகியவை நடுத்தர அளவு ஸ்விட்ச்சுக்கான விளக்க மதிப்புகள்; எந்த உண்மையான வலையமைப்பின் எண்களும் அல்ல.

இருசீர்மை மோசடி மதிப்பெண்: உண்மையான, மோசடி மதிப்பெண்கள் d′ இடைவெளியுள்ள இரு இயல்பு வளைவுகள்; வரம்பு ROC வளைவில் ஒரு புள்ளியைத் தேர்ந்தெடுக்கிறது.

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]அனுமானம்: இடங்களின் எண்ணிக்கை, சேவை, வழங்குநர் நேரங்கள், மதிப்பெண் பிரிப்பு, step-up தேர்ச்சி விகிதங்கள், வீணான வேலையின் பங்கு, தொகைகள், விலைகள் ஆகியவை நடுத்தர அளவு ஸ்விட்ச்சுக்கான விளக்க மதிப்புகள்; எந்த உண்மையான வலையமைப்பின் எண்களும் அல்ல.

செலவு-உகந்த வரம்பு: நிகழ்தகவு விகிதம் அடிப்படை வீதத்தால் எடையிடப்பட்ட செலவு விகிதத்தை மீறும்போது நிராகரிக்கவும் — பத்து மடங்கு அதிக மோசடி அதை ln 10 / d′ ≈ 0.9σ கீழே நகர்த்துகிறது.

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: வரம்புக்குக் கீழுள்ள பட்டையில் உள்ள மதிப்பெண்களுக்கு முடிவுக்குப் பதிலாக சவால் வழங்கப்படுகிறது.

scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]அனுமானம்: இடங்களின் எண்ணிக்கை, சேவை, வழங்குநர் நேரங்கள், மதிப்பெண் பிரிப்பு, step-up தேர்ச்சி விகிதங்கள், வீணான வேலையின் பங்கு, தொகைகள், விலைகள் ஆகியவை நடுத்தர அளவு ஸ்விட்ச்சுக்கான விளக்க மதிப்புகள்; எந்த உண்மையான வலையமைப்பின் எண்களும் அல்ல.

வழங்குநர் தாமதம் அதிவேகப் பரவலைக் கொண்டது; இடம் தாமதம் அல்லது நேரமுடிவு — எது முந்துகிறதோ அது வரை பிடித்து வைக்கப்படுகிறது.

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]

லிட்டிலின் விதி: பணிபுரியும் இடங்கள் = வருகை விகிதம் × பிடித்து வைக்கும் நேரம்.

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

எர்லாங் C: ஒரு பரிவர்த்தனை காலி இடத்துக்குக் காத்திருக்கும் நிகழ்தகவு; 2 வினாடி வரிசை நேரமுடிவைவிட அதிகமாகக் காத்திருக்கும் நிகழ்தகவு.

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

திறனுக்கு மேல், ஸ்விட்ச் பின்னர் கைவிடும் கோரிக்கைகளுக்கும் வேலையைச் செலவிடுகிறது; எனவே சுமை உயரும்போது பயனுள்ள செயல்திறன் குறைகிறது; சுமை நீக்கம் மிகையைக் குறைந்த செலவில் மறுக்கிறது.

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]அனுமானம்: இடங்களின் எண்ணிக்கை, சேவை, வழங்குநர் நேரங்கள், மதிப்பெண் பிரிப்பு, step-up தேர்ச்சி விகிதங்கள், வீணான வேலையின் பங்கு, தொகைகள், விலைகள் ஆகியவை நடுத்தர அளவு ஸ்விட்ச்சுக்கான விளக்க மதிப்புகள்; எந்த உண்மையான வலையமைப்பின் எண்களும் அல்ல.

வாடிக்கையாளர் மறுமுயற்சிகள்: ஒவ்வொரு தொழில்நுட்பத் தோல்வியும் மூன்று முறை வரை, உடனே அல்லது சீரற்ற அதிவேகப் பின்வாங்கலுடன் மறுமுயற்சி செய்யப்படுகிறது.

failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]அனுமானம்: இடங்களின் எண்ணிக்கை, சேவை, வழங்குநர் நேரங்கள், மதிப்பெண் பிரிப்பு, step-up தேர்ச்சி விகிதங்கள், வீணான வேலையின் பங்கு, தொகைகள், விலைகள் ஆகியவை நடுத்தர அளவு ஸ்விட்ச்சுக்கான விளக்க மதிப்புகள்; எந்த உண்மையான வலையமைப்பின் எண்களும் அல்ல.

வழங்குநர் நேரமுடிவு, தலைகீழாக்கம், stand-in: தொகைகள் மடக்கை-இயல்புநிலை; எனவே வரம்புக்குக் கீழுள்ள பங்கும் அங்கீகரிக்கப்பட்ட அளவும் இயல்புநிலை CDF-இலிருந்து வருகின்றன.

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]

அங்கீகரிக்கப்பட்ட தொகையின் அடிப்படைப் புள்ளிகளில் மோசடி விகிதம்; சிறிய தொலைதூர அட்டைக் கட்டணங்களுக்குக் குறிப்பு அளவுகோலாக 13 bp பயன்படுத்தப்படுகிறது.

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

மாதிரி பயன்படுத்தும் பிற இயக்க மாறிலிகள்.

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 timeஅனுமானம்: இடங்களின் எண்ணிக்கை, சேவை, வழங்குநர் நேரங்கள், மதிப்பெண் பிரிப்பு, step-up தேர்ச்சி விகிதங்கள், வீணான வேலையின் பங்கு, தொகைகள், விலைகள் ஆகியவை நடுத்தர அளவு ஸ்விட்ச்சுக்கான விளக்க மதிப்புகள்; எந்த உண்மையான வலையமைப்பின் எண்களும் அல்ல.

தற்செயல்தன்மை: விதையுடன் கூடிய mulberry32 ஜெனரேட்டர்; பயன்படுத்திய பரவல்கள் — சீரான, அடுக்குக்குறி (தலைகீழ் CDF), இயல்நிலை (Box–Muller), பாய்சான் (Knuth). விதை காட்டப்படுகிறது, பகிரக்கூடியது.

மூலங்கள்

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