💳 การเงิน — การปฏิบัติการชำระเงิน โมเดลสด

พื้นฐาน — โมเดลเบื้องหลังตัวเลข

ทุกความสัมพันธ์ที่เครื่องจำลองใช้ พร้อมแหล่งที่มา ค่าคงที่ที่ระบุว่าเป็นสมมติฐานคือการปรับเทียบตัวอย่าง

ธุรกรรมใหม่เข้ามาที่อัตราฐานคูณกับการพุ่งของยอดขาย จำนวนต่อนาทีเป็นแบบสุ่ม (ปัวซอง ประมาณด้วยการแจกแจงปกติ) พร้อมความเป็นกลุ่มก้อนเล็กน้อย

λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]ข้อสมมติ: จำนวนช่อง เวลาให้บริการและเวลาตอบของผู้ออกบัตร การแยกของคะแนน อัตราผ่าน step-up สัดส่วนงานที่สูญเปล่า จำนวนเงิน และราคา เป็นค่าตัวอย่างสำหรับสวิตช์ขนาดกลาง ไม่ใช่ตัวเลขของเครือข่ายจริงใดๆ

คะแนนการฉ้อโกงแบบไบนอร์มอล: คะแนนของรายการจริงและรายการฉ้อโกงเป็นเส้นโค้งปกติสองเส้นห่างกัน d′ เกณฑ์เลือกจุดบนเส้นโค้ง 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]ข้อสมมติ: จำนวนช่อง เวลาให้บริการและเวลาตอบของผู้ออกบัตร การแยกของคะแนน อัตราผ่าน step-up สัดส่วนงานที่สูญเปล่า จำนวนเงิน และราคา เป็นค่าตัวอย่างสำหรับสวิตช์ขนาดกลาง ไม่ใช่ตัวเลขของเครือข่ายจริงใดๆ

เกณฑ์ที่คุ้มค่าที่สุด: ปฏิเสธเมื่ออัตราส่วนความควรจะเป็นเกินอัตราส่วนต้นทุนที่ถ่วงด้วยอัตราฐาน — เมื่อการฉ้อโกงเพิ่มเป็นสิบเท่า เกณฑ์เลื่อนลง 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: คะแนนในช่วงใต้เกณฑ์จะถูกทดสอบเพิ่มแทนการตัดสินใจ

scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]ข้อสมมติ: จำนวนช่อง เวลาให้บริการและเวลาตอบของผู้ออกบัตร การแยกของคะแนน อัตราผ่าน step-up สัดส่วนงานที่สูญเปล่า จำนวนเงิน และราคา เป็นค่าตัวอย่างสำหรับสวิตช์ขนาดกลาง ไม่ใช่ตัวเลขของเครือข่ายจริงใดๆ

ความหน่วงของผู้ออกบัตรเป็นแบบเอ็กซ์โพเนนเชียล ช่องถูกถือไว้ตามความหน่วงหรือเวลาหมดอายุ แล้วแต่อย่างใดมาถึงก่อน

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]

กฎของลิตเติล: ช่องที่ไม่ว่าง = อัตราการเข้ามา × เวลาที่ถือช่อง

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

Erlang C: โอกาสที่ธุรกรรมต้องรอช่องว่าง และโอกาสที่ต้องรอนานกว่าเวลาหมดอายุของคิว 2 วินาที

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

เมื่อเกินกำลัง สวิตช์ยังเสียงานไปกับคำขอที่ทิ้งทีหลัง ผลงานที่มีประโยชน์จึงลดลงเมื่อโหลดเพิ่ม การตัดโหลดปฏิเสธส่วนเกินด้วยต้นทุนต่ำ

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]ข้อสมมติ: จำนวนช่อง เวลาให้บริการและเวลาตอบของผู้ออกบัตร การแยกของคะแนน อัตราผ่าน step-up สัดส่วนงานที่สูญเปล่า จำนวนเงิน และราคา เป็นค่าตัวอย่างสำหรับสวิตช์ขนาดกลาง ไม่ใช่ตัวเลขของเครือข่ายจริงใดๆ

การลองใหม่ของลูกค้า: ความล้มเหลวทางเทคนิคแต่ละครั้งลองใหม่ได้สูงสุดสามครั้ง ทันทีหรือด้วย backoff แบบเอ็กซ์โพเนนเชียลที่สุ่ม

failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]ข้อสมมติ: จำนวนช่อง เวลาให้บริการและเวลาตอบของผู้ออกบัตร การแยกของคะแนน อัตราผ่าน step-up สัดส่วนงานที่สูญเปล่า จำนวนเงิน และราคา เป็นค่าตัวอย่างสำหรับสวิตช์ขนาดกลาง ไม่ใช่ตัวเลขของเครือข่ายจริงใดๆ

การหมดเวลารอผู้ออกบัตร การย้อนกลับ และ stand-in: จำนวนเงินเป็นแบบล็อกนอร์มอล สัดส่วนที่ต่ำกว่าวงเงินและปริมาณที่อนุมัติจึงได้จาก CDF ของการแจกแจงปกติ

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]

อัตราการฉ้อโกงเป็นเบซิสพอยต์ของจำนวนเงินที่อนุมัติ ใช้ 13 bp เป็นมาตราส่วนอ้างอิงสำหรับการชำระเงินบัตรทางไกลรายการเล็ก

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

ค่าคงที่การทำงานอื่นๆ ที่แบบจำลองใช้

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 timeข้อสมมติ: จำนวนช่อง เวลาให้บริการและเวลาตอบของผู้ออกบัตร การแยกของคะแนน อัตราผ่าน step-up สัดส่วนงานที่สูญเปล่า จำนวนเงิน และราคา เป็นค่าตัวอย่างสำหรับสวิตช์ขนาดกลาง ไม่ใช่ตัวเลขของเครือข่ายจริงใดๆ

ความสุ่ม: ตัวสร้าง mulberry32 แบบมีซีด การแจกแจงที่ใช้ — สม่ำเสมอ เอ็กซ์โพเนนเชียล (CDF ผกผัน) ปกติ (Box–Muller) ปัวซง (Knuth) ซีดแสดงให้เห็นและแชร์ได้

แหล่งที่มา

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