快手策略算法工程师-【海外安全】

1、深入理解快手业务逻辑，运用数据挖掘、机器学习、深度学习等技术，构建风控策略体系，提升风险管理水平，为业务保驾护航； 2、基于风控数据体系，挖掘多维度特征（包括并不限于：用户、IP、设备等）、构建用户画像和用户质量等级，应用于业务反欺诈、渠道反作弊等业务安全领域； 3、基于各种关系网络数据，运用图挖掘算法，挖掘用户设备关联度、亲密度等特征，构建风险感知和异常团伙挖掘能力； 4、深入探索业务数据，创新性的思考和发现问题，并提出有效解决方案。

负责搭建和优化 SHEIN 平台账号风控策略与算法模型，包括但不限于账号安全、反作弊、欺诈检测、团伙挖掘等领域；利用机器学习、深度学习及相关数据分析技术，对用户行为和交易数据进行实时监控与分析，识别可疑行为和潜在风险；与业务、产品和风控团队紧密合作，定义并完善风控指标体系，持续跟进风险案例并制定对应策略；设计并实现高效、稳定的风控数据处理流程，包括数据清洗、特征工程、模型训练及线上预测部署；持续跟踪电商行业风险趋势及新技术发展，及时更新和升级风控算法与策略，提升整体防控能力。

1. 深入理解滴滴海外业务模式、流程和系统架构，和相关产品技术、业务运营高效沟通，设计合理的数据仓库架构。 2. 充分利用滴滴现有的各种数据仓库及反作弊处理平台，设计、开发和维护高效、可扩展的大数据处理系统，以支持安全反作弊业务的数据驱动决策和业务发展。设计并优化离线/实时数仓模型（如 ODS、DWD、DWS、ADS 分层），支持实时报表、监控和风控等场景。 3. 对多源异构数据（日志、事件消息、API、爬虫数据等）进行清洗、解析和结构化处理，提取关键业务信息。解决数据清洗中的 脏数据、格式混乱、缺失值、重复数据 等问题，提升数据质量。与数据开发、算法、业务团队协作，理解需求并构建高效的数据处理流程。 4. 跟踪大数据领域的新技术、新工具，不断探索并引入以提升团队的技术能力和项目效率。优化流式计算任务的 资源利用率（如 Flink 任务调优、Kafka 分区策略调整）。 5. 国际化安全反作弊技术团队其他开发工作。

职位描述 【关于我们】 滴滴自2018年初收购巴西出行平台99开始，正式启动了国际化战略。目前，滴滴的国际业务覆盖了拉美、亚太和非洲的14个国家，为当地市场提供以出行为主、涵盖外卖和金融的多样化服务。 【关于团队】 安全策略（算法），预防对平台和用户有重大影响的事件，需要应对不同国家不同业务发展阶段的多重风险，是国际化出行业务的核心技术和竞争力。结合国际化业务特点，我们已将深度学习、小样本学习和拒绝推断等技术应用在当前业务中，正在推动多模态模型的探索与落地。团队氛围开放积极，有机会与国内外各部门业务与技术进行日常交流学习。 【岗位职责】 1. 负责国际化安全方向的基本策略与建模工作：运用小样本学习、常规机器学习 深度学习等机器学习算法完成对完成对国际业务在各海外市场的安全保障功能，包括行前、行中和行后危险状态的识别和预测，在确保安全出行的同时提升司乘体验，助力业务快速发展。 2. 搭建和迭代安全预防方法论和策略运营体系：如情景预防，时空预防等。 3. 安全算法智能化：利用最优化，生成对抗、时空模式挖掘等多种问题抽象与建模手段，推动安全预防智能化的落地。