滴滴反作弊策略工程师（人脸风控）(JR20260708007)
任职要求
1. 本科及以上学历，计算机或数学等相关专业，有人脸风控、设备风险策略等工作经验优先，有大模型应用经验优先，有机器学习模型背景优先。 2. 具备2年及以上策略攻防对抗经验。 3. 熟悉Mysql/Hive/Hadoop/S…
工作职责
1、深入理解平台人脸核验、身份认证全链路业务流程及系统架构，梳理活体攻击、AI换脸、假体冒用、团伙作弊等风险点；联动产品、技术、运营及算法团队，搭建体系化人脸风控策略架构，平衡防控效果与用户体验。 2、基于全端SDK（Android/iOS/H5/小程序）采集设备、传感器、图像链路数据，优化人脸场景专属设备/图像溯源标识；识别模拟器、ROOT/越狱、虚拟采集环境等终端风险，构建可信设备判定能力，夯实风控底层基础。 3、依托人脸采集行为、图像质量等数据，结合机器学习构建人机识别能力，精准区分真人活体、机器攻击、AI虚拟人脸；整合设备、环境、生物特征、行为数据，搭建人脸风险标签及量化评分体系，覆盖多维度风险识别。 4、独立挖掘人脸核验全流程潜在作弊风险（照片翻拍、视频回放、3D面具、AI生成人脸等），设计场景化风控策略体系；通过大数据定量分析风险量级及业务影响，输出精准防控方案。 5、对内承接各业务线人脸风控需求，完成业务侧风险诉求对接、方案沟通与效果复盘；搭建人脸风控专属指标与监控体系，联动工程团队打造可视化监控平台，实时感知黑灰产对抗变化、快速发现作弊行为；在攻防对抗中持续优化监控规则与业务适配方案。
1、深入理解滴滴的业务模式、交易流程和系统架构，发现潜在的风险问题，和产品技术、业务运营高效沟通，设计合理的风险解决方案。 2、独立思考某个业务环节或场景，建设特征体系，通过数据分析或模型构建，定量识别分析潜在的风险和业务影响。 3、建立合理的指标体系和异常监控体系，与数据工程团队配合，形成可视化的监控系统便于快速感知。
1、深入理解滴滴的业务模式、交易流程和系统架构，发现潜在的风险问题，和产品技术、业务运营高效沟通，设计合理的风险解决方案。 2、独立思考某个业务环节或场景，建设特征体系，通过数据分析或模型构建，定量识别分析潜在的风险和业务影响。 3、建立合理的指标体系和异常监控体系，与数据工程团队配合，形成可视化的监控系统便于快速感知。
1.负责海外核心业务场景的风控效果，从风险识别、策略设计到效果迭代，建立完整的防控体系并持续优化； 2.基于业务洞察与数据分析，预判新型作弊模式，量化风险敞口及防控措施对核心业务指标的影响； 3.主导风控策略从数据埋点到规则部署的全流程，构建高精度实时监控体系，确保风险快速识别与响应； 4.联动产品、技术及运营团队，推动风控方案高效落地，并沉淀行业方法论，优化团队能力建设。
我们是快手商业化反作弊算法团队，致力于打造极致安全感的广告环境，守护平台与广告主的核心利益。我们依托海量数据，融合AI与大数据技术，持续与黑灰产进行智能化攻防对抗。在这里，你不仅是算法专家，更是广告安全健康的守门人，与业界顶尖工程师共同推进AI驱动的风控创新 你将参与的技术领域包括： - 异常/离群点检测（Anomaly / Outlier Detection） - 半监督 / 无监督学习（Semi-supervised / Unsupervised Learning） - 大规模图挖掘（Large Scale Graph Mining） - 智能体技术（AI Agent） 加入我们，你将亲历： 1、前沿攻防 · 技术探索：深度介入亿级用户行为数据，揭秘广告行业多元作弊手法。以创新的Anomaly Detection、Graph Mining 等模型为“武器”，打造高效精准的反作弊攻防体系，让作弊无所遁形； 2、智能风控 · 体系构建：主导智能化风控指标和监控体系的搭建，实时感知风险动态。通过Data-Driven Decision Making，让算法驱动每一次业务进化； 3、极致算法 · 持续进化：持续打磨算法性能，专注模型精准率、召回率与处理效率的极致提升。攻克高并发、复杂商业场景下的算法稳定性与可靠性难题； 4、行业先锋 · 技术引领：紧跟AI Agent、Graph Mining等前沿技术，探索最前沿的反作弊风控解决方案。持续技术创新，推动公司风控能力领跑行业。