ATM 交易狀態特征分析與異常檢測方案

吳立純

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

關鍵詞：異常檢測；頻數；概率模型；交易類型；交易量；因子分析；統計回歸；SPSS軟件；MathType軟件

一、問題的提出與分析

1.1、問題的提出：商業銀行總行數據中心監控系統通過對每家分行的匯總統計信息做數據分析，來捕捉整個前端和后端整體應用系統運行情況以及時發現異常或故障。

根據要求，需要檢測交易狀態的異常或故障，及時報警，首先選擇、提取和分析 ATM 交易狀態的特征參數。

1.2、問題的分析：在設計交易狀態異常檢測方案時，應該分析到交易發生異常時的數字特征，其數據規律可以作為判斷交易狀態是否異常的依據，當數據顯示在某一可能發生故障的范圍內，即可發生報警。

考慮到工作日和非工作日的交易量存在差別，一天內的交易量也存在業務低谷時間段和正常業務時間段，可以增加對數據的采集量，亦可增加其它變量下的交易統計數據，多方面考慮導致交易異常的原因，優化方案。

二、基本假設

2.1、假設故障發生是小概率事件，即大部分情況ATM機的交易狀態都正常；

2.2、假設故障發生的時間很短，即故障可以在短時間內被修復；

2.3、假設故障發生與交易量、成功率、響應時間都有聯系，但均為設備自身因素，不存在人為破壞導致的因素；

2.4、假設附件中的數據具有代表性，能夠客觀地反映問題的真實性，值得研究和參考，并且附件中的數據充足，不存在因數據過少而產生較大誤差。

三、符號說明

四、模型的建立與求解

4.1、交易響應時間過長時的故障發生概率

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

此外其他月份的數據分析如下：

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

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

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

綜上：當 ，即 時視為故障發生，系統檢測到異常，立即報警。

4. 2、每分鐘內交易成功率低下時的故障發生概率

數據處理結果：

（表5：一月份）

數據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當交易成功率低于92.86%時，故障發生。

此外其他月份的數據分析如下：

二月份交易成功率在93.33%時的頻率突增，結合條形圖的分布特點可以假設當交易成功率低于93.33%時，故障發生。

三月份交易成功率在92.86%時的頻率突增，結合條形圖的分布特點可以假設當交易成功率低于92.86%時，故障發生。

四月份交易成功率在92.86%時的頻率突增，結合條形圖的分布特點可以假設當交易成功率低于92.86%時，故障發生。

綜上：當 時，即 視為故障發生，檢測系統立即報警。

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

參考文獻：

[1]姜啟源，謝金星，葉俊.數學模型.4 版.北京：高等教育出版社，2011.1（2016.12重印）

[2]陳方櫻，沈思.數學分析方法及SPSS應用.北京：科學出版社，2016.3

[3]韓中庚.數學建模方法及其應用.北京：高等教育出版社，2015.6

[4]楊珽.ATM監控系統中UML方法及JAVA技術應用研究[學位論文]，2006.5