吳立純

摘要：為了及時發(fā)現(xiàn)ATM機異常或故障，找出發(fā)生故障的原因，確定具體發(fā)生時間，根據(jù)收集的數(shù)據(jù)，基于概率模型建立ATM機交易狀態(tài)異常檢測模型，對交易異常或故障的情況作定量分析，得到系統(tǒng)、科學(xué)的綜合值。借助MathType軟件解決模型建立中的問題。評價上述模型，擴大采集數(shù)據(jù)的范圍，可增加的數(shù)據(jù)包括交易類型統(tǒng)計數(shù)據(jù)，包括工作日和節(jié)假日交易統(tǒng)計數(shù)據(jù)，增大基數(shù)，反饋的數(shù)據(jù)變化更明顯，增加問題一中特征參數(shù)的精確度，便于分析交易量隨時間變化的規(guī)律以及交易類型引起的響應(yīng)時間的規(guī)律，進而改進模型，實現(xiàn)擬合，使模型所得結(jié)果更精確，減少虛警誤報，以達到優(yōu)化模型的目的。

關(guān)鍵詞：異常檢測；頻數(shù)；概率模型；交易類型；交易量；因子分析；統(tǒng)計回歸；SPSS軟件；MathType軟件

一、問題的提出與分析

1.1、問題的提出：商業(yè)銀行總行數(shù)據(jù)中心監(jiān)控系統(tǒng)通過對每家分行的匯總統(tǒng)計信息做數(shù)據(jù)分析，來捕捉整個前端和后端整體應(yīng)用系統(tǒng)運行情況以及時發(fā)現(xiàn)異?；蚬收?。

根據(jù)要求，需要檢測交易狀態(tài)的異?；蚬收?，及時報警，首先選擇、提取和分析 ATM 交易狀態(tài)的特征參數(shù)。

1.2、問題的分析：在設(shè)計交易狀態(tài)異常檢測方案時，應(yīng)該分析到交易發(fā)生異常時的數(shù)字特征，其數(shù)據(jù)規(guī)律可以作為判斷交易狀態(tài)是否異常的依據(jù)，當(dāng)數(shù)據(jù)顯示在某一可能發(fā)生故障的范圍內(nèi)，即可發(fā)生報警。

考慮到工作日和非工作日的交易量存在差別，一天內(nèi)的交易量也存在業(yè)務(wù)低谷時間段和正常業(yè)務(wù)時間段，可以增加對數(shù)據(jù)的采集量，亦可增加其它變量下的交易統(tǒng)計數(shù)據(jù)，多方面考慮導(dǎo)致交易異常的原因，優(yōu)化方案。

二、基本假設(shè)

2.1、假設(shè)故障發(fā)生是小概率事件，即大部分情況ATM機的交易狀態(tài)都正常；

2.2、假設(shè)故障發(fā)生的時間很短，即故障可以在短時間內(nèi)被修復(fù)；

2.3、假設(shè)故障發(fā)生與交易量、成功率、響應(yīng)時間都有聯(lián)系，但均為設(shè)備自身因素，不存在人為破壞導(dǎo)致的因素；

2.4、假設(shè)附件中的數(shù)據(jù)具有代表性，能夠客觀地反映問題的真實性，值得研究和參考，并且附件中的數(shù)據(jù)充足，不存在因數(shù)據(jù)過少而產(chǎn)生較大誤差。

三、符號說明

四、模型的建立與求解

4.1、交易響應(yīng)時間過長時的故障發(fā)生概率

一月份直方圖的特征顯示每分鐘間內(nèi)每筆交易交易響應(yīng)時間大于687時的頻率非常低，可視為故障發(fā)生。

此外其他月份的數(shù)據(jù)分析如下：

二月份直方圖的特征顯示每分鐘間內(nèi)每筆交易交易響應(yīng)時間大于747時的頻率非常低，可視為故障發(fā)生。

三月份直方圖的特征顯示每分鐘間內(nèi)每筆交易交易響應(yīng)時間大于812時的頻率非常低，可視為故障發(fā)生。

四月份直方圖的特征顯示每分鐘間內(nèi)每筆交易交易響應(yīng)時間大于889.66時的頻率非常低，可視為故障發(fā)生。

綜上：當(dāng) ，即 時視為故障發(fā)生，系統(tǒng)檢測到異常，立即報警。

4. 2、每分鐘內(nèi)交易成功率低下時的故障發(fā)生概率

數(shù)據(jù)處理結(jié)果：

（表5：一月份）

數(shù)據(jù)顯示一月份交易成功率在92.86%時的頻率突增，由條形圖的分布特點可以假設(shè)當(dāng)交易成功率低于92.86%時，故障發(fā)生。

此外其他月份的數(shù)據(jù)分析如下：

二月份交易成功率在93.33%時的頻率突增，結(jié)合條形圖的分布特點可以假設(shè)當(dāng)交易成功率低于93.33%時，故障發(fā)生。

三月份交易成功率在92.86%時的頻率突增，結(jié)合條形圖的分布特點可以假設(shè)當(dāng)交易成功率低于92.86%時，故障發(fā)生。

四月份交易成功率在92.86%時的頻率突增，結(jié)合條形圖的分布特點可以假設(shè)當(dāng)交易成功率低于92.86%時，故障發(fā)生。

綜上：當(dāng) 時，即 視為故障發(fā)生，檢測系統(tǒng)立即報警。

根據(jù)上面建立的模型以及附件提供的數(shù)據(jù)，可增加交易類型、工作日和節(jié)假日交易、每季度的交易量統(tǒng)計數(shù)據(jù)。其一可以增大基數(shù)，反饋的數(shù)據(jù)變化更具體，提高 、 精確度；其二便于研究由交易類型引起的響應(yīng)時間的規(guī)律，多變量分析進而增大數(shù)據(jù)的可信度；其三建立多個模型，針對各個變量建立具體模型，使所呈現(xiàn)多方面、多層次的數(shù)據(jù)結(jié)果，以減少虛警誤報。

參考文獻：

[1]姜啟源，謝金星，葉俊.數(shù)學(xué)模型.4 版.北京：高等教育出版社，2011.1（2016.12重?。?/p>

[2]陳方櫻，沈思.數(shù)學(xué)分析方法及SPSS應(yīng)用.北京：科學(xué)出版社，2016.3

[3]韓中庚.數(shù)學(xué)建模方法及其應(yīng)用.北京：高等教育出版社，2015.6

[4]楊珽.ATM監(jiān)控系統(tǒng)中UML方法及JAVA技術(shù)應(yīng)用研究[學(xué)位論文]，2006.5