💳 Tài chính — vận hành thanh toán Mô hình trực tiếp

Cơ sở — mô hình đằng sau các con số

Mọi quan hệ mà trình mô phỏng sử dụng, kèm nguồn. Các hằng số đánh dấu là giả định là các hiệu chỉnh minh họa.

Giao dịch mới đến theo tốc độ cơ sở nhân với đợt tăng khuyến mãi; số lượng mỗi phút là ngẫu nhiên (Poisson, xấp xỉ chuẩn) với chút tính bùng phát.

λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]Giả định: số ô, thời gian xử lý và của đơn vị phát hành, độ tách điểm, tỷ lệ vượt qua step-up, tỷ lệ công việc lãng phí, số tiền và giá là các giá trị minh họa cho một bộ chuyển mạch cỡ vừa, không phải số liệu của bất kỳ mạng thực nào.

Điểm gian lận hai chuẩn: điểm của giao dịch hợp lệ và gian lận là hai đường cong chuẩn cách nhau d′; ngưỡng chọn một điểm trên đường cong 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]Giả định: số ô, thời gian xử lý và của đơn vị phát hành, độ tách điểm, tỷ lệ vượt qua step-up, tỷ lệ công việc lãng phí, số tiền và giá là các giá trị minh họa cho một bộ chuyển mạch cỡ vừa, không phải số liệu của bất kỳ mạng thực nào.

Ngưỡng tối ưu về chi phí: từ chối khi tỷ số khả năng vượt tỷ lệ chi phí nhân trọng số tỷ lệ nền — gian lận nhiều gấp mười lần dịch chuyển nó thấp hơn 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: các điểm trong dải dưới ngưỡng bị yêu cầu xác thực thay vì bị quyết định ngay.

scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]Giả định: số ô, thời gian xử lý và của đơn vị phát hành, độ tách điểm, tỷ lệ vượt qua step-up, tỷ lệ công việc lãng phí, số tiền và giá là các giá trị minh họa cho một bộ chuyển mạch cỡ vừa, không phải số liệu của bất kỳ mạng thực nào.

Độ trễ của đơn vị phát hành theo phân phối mũ; một ô được giữ trong thời gian trễ hoặc thời gian chờ, tùy cái nào đến trước.

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]

Định luật Little: số ô bận = tốc độ đến × thời gian giữ.

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

Erlang C: xác suất một giao dịch phải chờ một ô trống, và xác suất nó chờ lâu hơn thời gian chờ hàng đợi 2 s.

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

Vượt quá công suất, bộ chuyển mạch còn tốn công cho các yêu cầu mà sau đó nó bỏ đi, nên thông lượng hữu ích giảm khi tải tăng; cắt giảm tải từ chối phần dư với chi phí thấp.

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]Giả định: số ô, thời gian xử lý và của đơn vị phát hành, độ tách điểm, tỷ lệ vượt qua step-up, tỷ lệ công việc lãng phí, số tiền và giá là các giá trị minh họa cho một bộ chuyển mạch cỡ vừa, không phải số liệu của bất kỳ mạng thực nào.

Máy khách thử lại: mỗi lỗi kỹ thuật được thử lại tối đa ba lần, ngay lập tức hoặc với backoff lũy thừa ngẫu nhiên hóa.

failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]Giả định: số ô, thời gian xử lý và của đơn vị phát hành, độ tách điểm, tỷ lệ vượt qua step-up, tỷ lệ công việc lãng phí, số tiền và giá là các giá trị minh họa cho một bộ chuyển mạch cỡ vừa, không phải số liệu của bất kỳ mạng thực nào.

Thời gian chờ của đơn vị phát hành, lệnh đảo và stand-in: số tiền theo phân phối log-chuẩn, nên tỷ lệ dưới hạn mức và khối lượng được duyệt suy ra từ hàm phân phối chuẩn tích lũy.

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]

Tỷ lệ gian lận tính bằng điểm cơ bản trên số tiền được duyệt; 13 bp được dùng làm thang tham chiếu cho các thanh toán thẻ từ xa nhỏ.

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

Các hằng số vận hành khác mà mô hình sử dụng.

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 timeGiả định: số ô, thời gian xử lý và của đơn vị phát hành, độ tách điểm, tỷ lệ vượt qua step-up, tỷ lệ công việc lãng phí, số tiền và giá là các giá trị minh họa cho một bộ chuyển mạch cỡ vừa, không phải số liệu của bất kỳ mạng thực nào.

Tính ngẫu nhiên: bộ sinh mulberry32 có seed; các phân phối được dùng — đều, mũ (CDF nghịch đảo), chuẩn (Box–Muller), Poisson (Knuth). Seed được hiển thị và có thể chia sẻ.

Nguồn

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