3430

Ускорение запуска ИТ-релизов

Май, 2020 год.

Автоматический разбор и маршрутизация входящих извещений об испытаниях ПО при помощи сервиса SMART UAT.

alt

Какую проблему решали

Одна из задач Agile-трансформации Сбербанка – сокращение сроков вывода новых продуктов на рынок. Благодаря внедренным инструментам и гибкой методологии разработки программного обеспечения, выросло количество ИТ-релизов (обновлений ПО и внедрений нового функционала).

По правилам банка все ИТ-релизы требуют заключения от экспертов кибербезопасности.
Приглашения на участие в приемо-сдаточных испытаниях релизов поступали на общий почтовый ящик подразделения. Входящие извещения разбирались сотрудниками вручную, что занимало много времени и задерживало процесс.
Решение проблемы
Сбербанк разработал решение SMART UAT, которое автоматизирует обработку входящих извещений об участии в приемо-сдаточных испытаниях ИТ-релизов.
AI-based сервис работает в режиме поддержки принятия решений и позволяет автоматически определять необходимость участия сотрудников и персональный состав экспертов кибербезопасности для резолюции по каждому релизу.
В системе используется доверительный порог, согласно которому AI-модель либо автоматически формирует отказ от участия, либо предлагает профильному эксперту решение и его вероятностные характеристики.
Применяемые технологии

Сервис SMART UAT включает в себя две основные модели:
  • Модель принятия решения о необходимости участия экспертов кибербезопасности в испытаниях ИТ-релизов (задача бинарной классификации, основная метрика ROC-AUC)
  • Модель назначения профильных экспертов кибербезопасности на ПСИ релиза в случае, если участие требуется (multi-label классификация, основная метрика Jaccard index)

В основе лежит алгоритм sklearn.Ensembles.RandomForestClassifier. Для модели назначения профильных экспертов используется надстройка sklearn.multiclass.OneVsRestClassifier.
 

Бизнес-процесс

До проекта:

  • Ручной разбор извещений сотрудниками кибербезопасности.
  • 14 часов – среднее время принятия решения по заявке.
  • 1 500 – среднее количество входящих извещений в месяц.

После проекта:

  • Автоматизированный процесс разбора заявок.
  • Рекомендательная система принятия решения.
  • 7 часов - среднее время обработки заявок.
  • 3 800 – среднее количество извещений в месяц.

Результаты

проекта

Виталий Биферт
Руководитель проекта
Геннадий Глотов
Менеджер
Елена Демьянова
Менеджер
Алексей Касьянов
Главный инженер по разработке
Роман Лексутин
Исполнительный директор
Николай Турович
Исполнительный директор-начальник отдела
Кирилл Черкашин
Менеджер