AIOps در بانکداری: تلفیق DevOps و هوش مصنوعی برای خودکارسازی عملیات
فایل این در 16 صفحه با فرمت PDF قابل دریافت می باشد
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
چکیده :
با گسترش بانکداری دیجیتال و افزایش وابستگی مشتریان به سامانههای ،7×24عملیات فناوری اطلاعات در بانکها با موجی از پیچیدگی، تغییرات مستمر و حجم
عظیم دادههای عملیاتی مواجه شده است. سیستمهایی مانند ، Core Bankingسوئیچهای پرداخت، سامانههای کارت، API Gatewayها و میکروسرویسهای
توزیعشده، روزانه میلیونها تراکنش و رخداد تولید میکنند. مدیریت این محیط پویا با روشهای سنتی مانیتورینگ و DevOpsکلاسیک بهتنهایی امکانپذیر نیست
و نیاز به رویکردی هوشمندتر و مقیاسپذیر احساس میشود. در چنین بستری، رویکرد ) AIOps (Artificial Intelligence for IT Operationsبا
ترکیب یادگیری ماشین، تحلیل کلانداده و اتوماسیون، توانایی تحلیل لحظهای لاگها، متریکها و رخدادها، پیشبینی اختلالات، تشخیص ناهنجاریها و مدیریت
خودکار رویدادها را فراهم میکند.
در صنعت بانکداری، پیادهسازی AIOpsمیتواند با کاهش بار عملیاتی تیمهای ، NOC/SOCبهبود زمان میانگین رفع رخداد) ، (MTTRافزایش دقت تشخیص
خطا، و ارتقای پایداری سرویسهای پرداخت و تراکنشهای برخط همراه باشد. این مقاله با هدف ارائه دیدگاهی جامع برای متخصصان DevOpsو هوش مصنوعی،
ضمن مرور مبانی DevOpsو محدودیتهای آن در محیطهای بانکی، معماری فنی AIOpsشامل لایه داده، موتور تحلیل مبتنی بر MLو لایه اتوماسیون را
تشریح میکند. همچنین سناریوهای عملیاتی واقعی از جمله پیشبینی اختلال در شبکه پرداخت، اتوماسیون ، NOCمدیریت ظرفیت و تحلیل الگوهای تراکنش بررسی
میشود. در پایان، چالشها، ریسکها و الزامات پیادهسازی AIOpsدر بانکها مرور شده و مسیر آینده این حوزه معرفی میگردد. نتایج این مطالعه نشان میدهد که
تلفیق DevOpsو AIOpsمیتواند زیرساخت عملیات بانکی را از یک مدل واکنشی به یک مدل هوشمند، پیشنگر و خودکار تبدیل کند.
کلیدواژه ها:
نویسندگان
لعیا محجوبی آذر
گروه کامپیوتر، واحد ورامین -پیشوا ، دانشگاه آزاد اسلامی، تهران، ایران
مبینا دولت زاده
گروه کامپیوتر، واحد ورامین -پیشوا ، دانشگاه آزاد اسلامی، تهران، ایران
مجید عبدوس
گروه کامپیوتر، واحد ورامین -پیشوا ، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این :
لیست زیر مراجع و منابع استفاده شده در این را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود لینک شده اند :