基于排队论的在线交易处理服务器配置决策方案

电子商务频繁,在线交易量指数式增长,要求网络处理平台不断扩容升级。针对在线交易中心,服务器配置不准确,适应性差的问题,本文研究一种基于排队论的服务器配置方法。首先,采用G/M/c的排队论模型对交易请求的处理过程进行仿真建模,给出交易请求响应时间的估算公式,由此设计交易服务速度的计算方法。然后,通过实验建立服务器服务速度与服务器物理配置之间的对应关系,给出服务器物理配置的决策方案。实际应用表明,本文方法相可满足各种在线交易的服务器集群配置需求。

针对具有稀疏性的流式大数据卸载方法

在保证实时性的前提下提高流式大数据卸载的准确性是一个重要问题。针对具有稀疏性的流式大数据开展2种典型场景下的卸载研究。对普通均匀业务的流式大数据进行空间建模,使用弹性距离对数据间的距离进行放缩,提出基于离心率的卸载方法。对异常检测业务流式大数据应用场景进行特征分析,使用预处理自动机对数据的动态处理过程进行描述,在综合考虑数据和处理行为相似度基础上,提出基于等价类划分的卸载方法。重复试验表明,所提出的卸载方法与传统卸载方法相比能明显提高卸载的有效性。

客户洗钱风险评级多层次量化模型设计与实践

客户洗钱风险评级是金融监管部门对所有金融机构履行反洗钱义务的具体要求,体现风险为本的反洗钱工作原则,避免缺少重点低效的反洗钱工作。论文在沃尔夫斯堡集团反洗钱指引以及中国人民银行客户风险评估指引的基础上,提出了客户洗钱风险评级多层次量化模型,利用客户基本信息、地域信息、业务信息、行业及关联信息四个维度多层次风险子项,通过多种方式量化映射了客户的洗钱风险程度,并提出了根据金融机构客户数据分布进行模型调校的方法,每个层级之间可以加权计算评分,增加了模型调整的稳定性。相比国内外其他客户洗钱风险评级模型在准确性、可调控性上有显著提升。此模型已经在国内50多家金融机构的反洗钱系统中得到使用。