关于ATM机异常检测的数学模型.doc

PAGE \* MERGEFORMAT 5 关于ATM机异常检测的数学模型 摘要 随着现代自动化程度提高，ATM机逐渐步入人们的生活，因此ATM机的正常运行就显得非常重要。由于ATM机是24小时无人监管，为了能够帮助银行更好地发现ATM机的异常状态，我们通过建立数学模型，设计了ATM机交易异常检测方案。 对于问题一，由于题目中提到工作日和非工作日的交易量存在差别，因此，我们将附件中的数据按春节前、春节后、小长假、周六日和正常工作日分别进行分析。特征参数是用于表征物质或现象特性的参数信息，是一组数据的数理特征，有别于题中所给的交易量，成功率和响应时间三个指标。因此，我们选择每个时刻ATM机交易量、成功率和响应时间的平均值和标准差作为特征参数进行提取和分析。然后对五种日期的特征参数进行T型假设检验，得出了以下结论：对于交易量，春节前、春节、清明三天小长假与工作日存在显著性差异，而周六日与工作日不存在显著性差异；对于成功率，则不存在显著性差异；对于响应时间，春节前与工作日存在显著性差异，其余时间段则不存在。 对于问题二，我们基于问题一得出的结论，将方案分为工作日和法定节假日，根据其各自的特点，提出不同的异常情况检测方案。对于工作日，我们提出了基于欧式距离和基于偏差的异常检测方案。首先，我们先利用SPSS对数据进行标准化，消除数量级与单位对数据的影响。然后求解出各个时刻的交易量、成功率、响应时间三个指标与该时刻正常水平的距离，当其落在异常区间时就可认为是异常数据。对于法定节假日，由于数据较少且较工作日差别较大，因此对于交易量，我们采用基于邻域的异常数据检测方法。因为交易量随时间是连续变化，因此当交易量出现骤降时，可认为该时刻出现异常。而对于临界异常度的确定，我们通过单样本的K-S检验确定样本数据的正态性，检验结果可知其服从正态分布，因此，其临界值可根据原则确定。对于成功率与响应时间，采用基于偏差的异常检测方案，当其偏差落在异常域时，则该时刻出现异常。同时我们通过建立时间序列预测模型，用已知数据检验，来求得虚警误报率分别为0.011和0.009。以此来检验模型的准确性。 对于问题三，我们提出了网络负载率、响应率、每种故障的修复时间、每笔交易金额等指标进行数据拓展，对可疑数据进行异常性分析，可以筛选出更准确的异常数据点，以减少误报情况，从而达到提升问题一、问题二中的目标。 关键词：假设检验 距离检测 时间序列 邻域检测 K-S检验 一.问题重述 某商业银行的ATM应用系统包括前端和后端两个部分。前端是部署在银行营业部和各自助服务点的ATM 机（系统），后端是总行数据中心的处理系统。前端 的主要功能是和客户直接交互，采集客户请求信息，然后通过网络传输到后端，再进行数据和账务处理。持卡人从前端设备提交查询或转账或取现等业务请求，到后台处理完毕，并将处理结果返回到前端，通知持卡人业务处理最终状态，我们称这样完整的一个流程为一笔交易。 商业银行总行数据中心监控系统为了实时掌握全行的业务状态，每分钟对各 分行的交易信息进行汇总统计。汇总信息包括业务量、交易成功率、交易响应时 间三个指标，各指标解释如下：1、业务量：每分钟总共发生的交易总笔数； 2、交易成功率：每分钟交易成功笔数和业务量的比率；3、交易响应时间：一分钟内每笔交易在后端处理的平均耗时(单位：毫秒)。 交易数据分布存在以下特征：工作日和非工作日的交易量存在差别；一天内， 交易量也存在业务低谷时间段和正常业务时间段。当无交易发生时，交易成功率 和交易响应时间指标为空。商业银行总行数据中心监控系统通过对每家分行的汇总统计信息做数据分析，来捕捉整个前端和后端整体应用系统运行情况以及时发现异常或故障。常见的故障场景包括但不限于如下情形： 1、分行侧网络传输节点故障，前端交易无法上送请求，导致业务量陡降； 2、分行侧参数数据变更或者配置错误，数据中心后端处理失败率增加，影响交易成功率指标； 3、数据中心后端处理系统异常（如操作系统 CPU 负荷过大）引起交易处理 缓慢，影响交易响应时间指标； 4、数据中心后端处理系统应用进程异常，导致交易失败或响应缓慢。 附件是某商业银行ATM应用系统某分行的交易统计数据。我们根据附件完成以下三个任务： （1）选择、提取和分析 ATM 交易状态的特征参数； （2）设计一套交易状态异常检测方案，在对该交易系统的应用可用性异常情况下能做到及时报警，同时尽量减少虚警误报； （3）设想可增加采集的数据。基于扩展数据，提升任务（1）（2）中达到的目标。 二.问题分析 2.1问题一的分析 针对问题一，题目要求选择、提取和分析 ATM 交易状态的特征参数。首先，我们对ATM 交易流程进行研究，流程图如下： 持卡人 持卡人 数据处理中心（后