ATM 交易状态特征分析与异常检测方案

吴立纯

摘要：为了及时发现ATM机异常或故障，找出发生故障的原因，确定具体发生时间，根据收集的数据，基于概率模型建立ATM机交易状态异常检测模型，对交易异常或故障的情况作定量分析，得到系统、科学的综合值。借助MathType软件解决模型建立中的问题。评价上述模型，扩大采集数据的范围，可增加的数据包括交易类型统计数据，包括工作日和节假日交易统计数据，增大基数，反馈的数据变化更明显，增加问题一中特征参数的精确度，便于分析交易量随时间变化的规律以及交易类型引起的响应时间的规律，进而改进模型，实现拟合，使模型所得结果更精确，减少虚警误报，以达到优化模型的目的。

关键词：异常检测；频数；概率模型；交易类型；交易量；因子分析；统计回归；SPSS软件；MathType软件

一、问题的提出与分析

1.1、问题的提出：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。

根据要求，需要检测交易状态的异常或故障，及时报警，首先选择、提取和分析 ATM 交易状态的特征参数。

1.2、问题的分析：在设计交易状态异常检测方案时，应该分析到交易发生异常时的数字特征，其数据规律可以作为判断交易状态是否异常的依据，当数据显示在某一可能发生故障的范围内，即可发生报警。

考虑到工作日和非工作日的交易量存在差别，一天内的交易量也存在业务低谷时间段和正常业务时间段，可以增加对数据的采集量，亦可增加其它变量下的交易统计数据，多方面考虑导致交易异常的原因，优化方案。

二、基本假設

2.1、假设故障发生是小概率事件，即大部分情况ATM机的交易状态都正常；

2.2、假设故障发生的时间很短，即故障可以在短时间内被修复；

2.3、假设故障发生与交易量、成功率、响应时间都有联系，但均为设备自身因素，不存在人为破坏导致的因素；

2.4、假设附件中的数据具有代表性，能够客观地反映问题的真实性，值得研究和参考，并且附件中的数据充足，不存在因数据过少而产生较大误差。

三、符号说明

四、模型的建立与求解

4.1、交易响应时间过长时的故障发生概率

一月份直方图的特征显示每分钟间内每笔交易交易响应时间大于687时的频率非常低，可视为故障发生。

此外其他月份的数据分析如下：

二月份直方图的特征显示每分钟间内每笔交易交易响应时间大于747时的频率非常低，可视为故障发生。

三月份直方图的特征显示每分钟间内每笔交易交易响应时间大于812时的频率非常低，可视为故障发生。

四月份直方图的特征显示每分钟间内每笔交易交易响应时间大于889.66时的频率非常低，可视为故障发生。

综上：当 ，即 时视为故障发生，系统检测到异常，立即报警。

4. 2、每分钟内交易成功率低下时的故障发生概率

数据处理结果：

（表5：一月份）

数据显示一月份交易成功率在92.86%时的频率突增，由条形图的分布特点可以假设当交易成功率低于92.86%时，故障发生。

此外其他月份的数据分析如下：

二月份交易成功率在93.33%时的频率突增，结合条形图的分布特点可以假设当交易成功率低于93.33%时，故障发生。

三月份交易成功率在92.86%时的频率突增，结合条形图的分布特点可以假设当交易成功率低于92.86%时，故障发生。

四月份交易成功率在92.86%时的频率突增，结合条形图的分布特点可以假设当交易成功率低于92.86%时，故障发生。

综上：当 时，即 视为故障发生，检测系统立即报警。

根据上面建立的模型以及附件提供的数据，可增加交易类型、工作日和节假日交易、每季度的交易量统计数据。其一可以增大基数，反馈的数据变化更具体，提高 、 精确度；其二便于研究由交易类型引起的响应时间的规律，多变量分析进而增大数据的可信度；其三建立多个模型，针对各个变量建立具体模型，使所呈现多方面、多层次的数据结果，以减少虚警误报。

参考文献：

[1]姜启源，谢金星，叶俊.数学模型.4 版.北京：高等教育出版社，2011.1（2016.12重印）

[2]陈方樱，沈思.数学分析方法及SPSS应用.北京：科学出版社，2016.3

[3]韩中庚.数学建模方法及其应用.北京：高等教育出版社，2015.6

[4]杨珽.ATM监控系统中UML方法及JAVA技术应用研究[学位论文]，2006.5