摘自證券日報 2021年1月18日

編者按：為推動證券行業數字化轉型，引領行業金融科技發展，促進證券公司優秀科技案例推廣，中國證券業協會與證券日報聯合推出“科技賦能證券行業高質量發展”專欄，邀請獲得第七屆證券期貨科學技術獎的部分證券公司結合公司特色，在行業內分享人工智能、區塊鏈、云計算、大數據等新技術應用成果，為行業探索新業態、新模式創造良好條件，鼓勵行業把支持科技創新放在更加突出的位置，不斷提高行業科學技術水平，助力打好關鍵核心技術攻堅戰，共同創建行業創新驅動發展新格局。本文為專欄文章之一。

我國證券業處于快速發展的歷史機遇期，資本市場改革和金融體系開放在為證券公司帶來業務增量的同時，也對券商金融科技實力和抗風險能力提出了更高要求。證券期貨業信息系統是國家要求重點保障的重要信息系統，關系到國家金融安全、社會穩定和廣大投資者的合法權益。

近年來，隨著證券市場的快速發展和新業務模式的不斷引入，創新已經成為引領業務發展的第一動力。一方面，業務的創新發展和快速迭代，對技術系統的快速響應提出了更高要求，系統長期穩定運行面臨巨大挑戰。另一方面，以大數據、人工智能、云計算、區塊鏈等為代表的新一代信息技術蓬勃發展，正在被運用到金融行業的各個領域。2016年Gartner提出AIOps（即Artificial Intelligence for IT Operations，智能運維），旨在通過對海量運維數據進行挖掘分析，用以提升運維水平。這正是通過運用大數據、人工智能等科技服務運維賦能運維、提升行業運行保障能力的典型應用。

光大證券積極擁抱科技創新，緊抓金融科技變革帶來的契機，積極探索智能運維在證券行業領域的落地使用。基于行業對系統可用性、業務連續性要求高的特點，光大證券選取異常發現、故障定位以及故障處置作為智能運維的建設路徑，并于2018年順利完成智能運維平臺上線投產工作。

智能運維平臺的核心是通過機器學習算法，對海量運維數據進行分析挖掘，從而提升系統異常檢測和快速定位的能力，包括異常檢測和異常定位兩類場景。異常檢測能力包括業務指標異常檢測和日志異常檢測場景，異常定位能力包括業務明細多維定位和機器指標定位場景，底層以運維數據工廠和運維圖譜作為支撐。在業務指標異常檢測場景中，平臺專注于響應時間、響應率、成功率等指標的檢測，有助于及時發現系統異常，提前揭示潛在風險。生產環境已經對集中交易、網上交易等核心系統共計1.3萬個業務指標進行實時監控。在日志異常檢測場景中，平臺攻克了傳統方式通過設置異常關鍵字帶來的運維經驗高度依賴、配置工作量大、更新維護困難等難點，使用自然語言處理技術對原始日志的智能化模板提取和變量解析，實現異常檢測并支持規則設置，通過算法與規則相結合的方式大幅度提升了檢測效率和效果。目前日志檢測量達到500G/天，已成為監控工作的重要一環。

在檢測到業務異常后，系統自動觸發異常定位和根因分析。在業務層，通過算法自動遍歷所有業務維度組合，大幅提升異常定位效率和廣度。目前平臺已接入17種業務維度，可對上萬種維度組合進行定位分析。在基礎設施層，平臺自動觸發對與該業務指標相關的基礎設施組件的指標進行分析，排查存在異常波動的機器指標，有效提升故障排查效率。目前平臺已接入約3.5萬個機器指標，能夠在10秒內分析出數千個機器指標定位結果。

自該平臺上線以來，在提升系統可用性方面成效顯著，近三個月發現潛在異常和風險點共計96個，將可能的故障問題消弭于無形，切實提升行業競爭力、保障用戶體驗。而通過以開源技術替代商業軟件，直接節約經濟成本700余萬元，有效降低運維成本。隨著智能運維的不斷深入建設，結合多年運維經驗和系統畫像的逐步落地，該平臺已成為光大證券從IT運維的穩定、安全、可靠向IT運營的體驗、效益、效率轉型的重要載體。

證券行業是技術密集和信息密集型行業，它的發展歷程也是科技不斷革新的過程，科技創新逐步成為各家證券公司的核心競爭力。近年來，光大證券信息技術總部以“穩定支撐、高效響應、融合驅動、科技賦能”為目標，嚴守安全底線，聚焦夯實公司數字化轉型的技術底座，主動擁抱變化，通過新技術應用助力公司業務發展，在人工智能、機器學習、大數據、云計算、區塊鏈和機器人流程自動化（RPA）等技術領域都有場景落地，持續提升公司的產品服務與用戶體驗、運營效率和風險管理水平，加速向數字化、智能化券商轉型。

光大證券建設AIOps的經驗，為證券行業提供了有益的理論參考與實踐指引。隨著智能運維在證券行業的深入發展，將極大降低信息安全事件的發生概率和處置成本，進一步夯實信息安全的技術保障，促進金融科技的應用，為資本市場的高質量發展奠定堅實的技術基石。（本專欄由中國證券業協會與證券日報聯合推出）