ATM交易状态的特征分析与异常检测的数学模型

《ATM交易状态的特征分析与异常检测的数学模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ATM交易状态的特征分析与异常检测的数学模型摘要本文研究ATM的交易状态，基于1~4月份的交易特征数据，通过对指标的分析进而提取交易状态的特征参数；基于K-means算法设计交易状态异常检测方案，使交易系统在异常情况下做到及时报警；基于前面异常检测的不足和发现的新问题，提取新的检测指标。针对问题一，我们首先对交易量、交易成功率和响应时间与日期时间进行了相关性分析，并借助图像进行直观判断，发现只有交易量与时间存在着明显的相关性。然后对交易量、交易成功率和响应时间这三个指标，选择和提取特征参数，进行合理地分析。对于交易量，将大量数据用matlab和SPSS绘制成图形，发现1~2月份的交易

2、量较其它时间有明显的波动，我们推测是春节的影响。又结合日交易量图，在排除春节期间后，发现工作日与非工作日的单日交易量不存在明显区别，且每日交易量均值都比较接近。于是，我们又选取几个交易量离散程度大的时间段，以10分钟为个体，发现其符合正态分布特征，因此我们提取不同日期相同时间（分钟）交易量的平均值和方差作为交易量的特征参数。对于交易成功率，通过绘制的散点图发现0-7时成功率的离散程度较大于其它时间，我们推测是交易系统故障造成的，于是我们采用双次N值比较法剔除异常点，然后提取不同日期相同分钟成功率的平均值和方差作为其特征参数。对于响应时间，处理方法同上。针对问题二，我们采用K-mean

3、s聚类分析算法将交易量、交易成功率、响应时间数据划分为正常值和异常值。在1~4月份的数据中随机挑选一个月的数据进行分析，利用matlab得到响应时间和交易量的聚类图，根据图像上的聚类点，分析确定了响应时间和交易量的异常数据范围。利用SPSS得到了成功率的聚类中心，确定了成功率的异常数据范围。针对问题三，我们分析了前面模型的不足以及异常检测中发现的问题，提出了系统应用进程值这一指标，用于分辨故障二三和故障四。同时，我们还提出了交易高峰期持续时间、取款金额这两个指标来提高异常检测的准确性和灵敏度。关键词：散点图、方差分析法、特征参数、聚类分析、异常检测一、问题重述现在，ATM机的使用率越

4、来越高，覆盖日趋变广。而且ATM机一般是无人监督，其交易量也特别大。当ATM交易系统发生故障时，如果不能及时检测到，就会造成比较严重的后果。因此，对ATM交易状态的特征分析和异常检测就变得尤为重要，研究ATM异常检测和及时报警问题具有重要的现实意义。根据题目要求，需要解决以下几个问题：（1）分析具体的ATM交易数据中，选择和提取其交易状态的特征参数。（2）设计交易状态异常检测方案。（3）如何通过增加检测指标来更好地完成（1）、（2）问所达的目标。二、问题分析对于常见的故障情形，题目中给出了四种：故障一：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；故障二：分行侧参数数

5、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；故障三：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；故障四：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。问题一是一个特征分析的问题。主要根据已知的交易量、交易成功率和响应时间的数据，从中选择和提取合适的统计量作为特征参数，并对特征参数进行合理地分析，从而反映ATM的交易状态，为后面的故障分析提供参考量。最常用的基本统计量分为两类：反映集中趋势和反映离散趋势的统计量。在处理ATM交易数据时，这两类统计量是我们提取交易状态特征的主要参数。此外，我们还对交易量、

6、交易成功率和响应时间与日期时间之间的相关性进行了分析。问题二是一个异常检测的问题。异常检测涉及拒真和采伪的问题，即原本数据是正常的确被认为是异常的从而发生误报，以及原本数据是异常值却被认为是正常值从而没有发出警报。这两种错误造成的损失均比较严重，因此，我们要选择正确的算法，基于算法建立合理地模型并进行多次检验，使出现这两种错误的几率尽可能降低。通过对各种算法的比较，我们选择了K-means聚类分析算法，并基于此建立了异常检测的数学模型来对ATM的交易状态进行异常检测。K-means算法具有简单快速的的特点，能起到及时检测及时报警的作用。由于异常检测问题包括异常状态的监测和异常类型的判

7、断两个部分，我们还需要对异常状况进行故障分类反馈，便于工作人员及时解决故障。问题三是一个开放性的问题。题目中给出了交易量、交易成功时间和响应时间这三个指标，我们设计的ATM的异常检测方案是通过检测这三个指标的异常来实现的。但仍然存在不足，因此我们提出了系统应用进程值这一指标来解决问题二中部分故障不能很好分类的问题。另外，我们还考虑增加交易高峰期持续时间、取款金额作为扩展数据来进一步提高准确性和灵敏度。三、模型假设1.假设银行的经营状况对ATM的交易量无影响