希音资深安全工程师（机器流量）
任职要求
1 深入理解设备指纹生成逻辑（包括硬件信息、行为特征、环境检测、TLS指纹等），熟悉黑灰产绕过手段（如改机工具、多开分身、虚拟化框架），能据此设计针对性的防护方案；
2 能高效处理由运维或业务方发起的异常流量事件及相关投诉，快速定位并解决因安全设施策略引发的业务问题；
3 熟悉HTTP/HTTPS等网络协议、We…工作职责
1 负责对爬虫、撞库等机器流量进行识别、监控与运营，制定并执行防控策略，保障业务安全与稳定； 2 能够针对机器流量设计有效的防控与运营方案，并协调拉通各业务方，推动方案落地，建立高效的跨团队协作流程； 3 具备丰富的黑灰产对抗经验，深入了解其攻击手法与技术演变，并能根据业务实际安全现状，建立并持续优化相应的防护体系； 4. 将防护方案标准化为通用解决方案, 赋能给更多业务方。
资深Java/架构师 - 平台治理策略 【】 负责构建和优化支撑全球电商业务健康、安全、合规的核心治理平台。技术决策将直接影响平台商品质量、商家合规水平、消费者信任和整体营商环境。 【核心职责】 1、平台治理中台架构设计：负责平台治理领域（不限于商品质检、资质合规、风险处置、商家体验等）的业务中台与数据中台架构设计，实现高内聚、低耦合的系统解耦。规划和设计可扩展、高可用的治理核心系统，包括但不限于规则引擎、工作流引擎、任务调度平台、实时/离线风控系统。 2、核心系统研发与攻坚：主导不限于商品信息治理系统、实物质检履约系统、商家合规证书管理平台、处置与处罚系统的架构设计与技术难点攻关，构建一体化的商家体验平台，包括申诉、咨询、任务中心，提升商家满意度和运营效率。 3、技术与创新驱动：引入大数据、机器学习等技术，提升平台在图片/文本识别、风险商家挖掘、智能质检等方面的自动化能力和准确率。优化海量数据（商品、订单、行为日志）下的实时计算与批量处理性能，保障系统在亿级流量下的稳定与低延迟。 4、团队与标准建设：制定团队技术规范、代码规范，主导核心代码的编写与评审。培养和指导高级工程师，提升整个团队的技术设计和架构能力。
我们是滴滴网约车MPT团队，致力于打造世界顶尖的智能交易平台，包括订单分配，司机调度，拼车，定价，补贴等方向，通过不断探索机器学习、强化学习等前沿技术，完善交易市场设计，实现资源最优化分配，力求解决正在发生的以及潜在供需失衡的状况，最大程度满足平台多样化的出行需求，持续优化乘客体验和保障司机收入，提升业务经营效率，引领出行行业变革与发展。 岗位要求： 1.研究包括独乘、拼乘模式下的各种交易匹配、分单调度、乘客预期等算法，持续提升核心交易效率。 2.利用因果推断、运筹规划、机器学习等技术，提升供需预测、补贴定价等运营核心算法效果 3.利用算法技术实现集团各业务线用户的高效增长，优化流量运营效率 4.通过机器学习技术解决司乘纠纷和体验问题，打造良好司乘体验和平台秩序，构建司乘公平的判责能力，守护司乘的安全。 欢迎对技术有追求、对业务有担当的小伙伴加入MPT大家庭，共建交易市场技术方向，为“让出行更美好”贡献一份力量。
主导SHEIN在全球业务中的应用安全建设，特别是在AI与传统应用安全融合的前沿阵地。 1、进化安全开发生命周期 (SDL) 你将负责SDL流程的持续优化与落地，并前瞻性地将AI安全（AI-Sec）标准融入其中，确保从传统应用到AI模型的每一个环节都具备原生的安全基因。 2、构建“智能驱动”的自动化安全防御体系 (DevSecOps) 你将设计和推动DevSecOps工具平台的建设，不仅要将SAST、DAST、IAST等工具深度集成至CI/CD，更要探索利用AI技术提升漏洞发现的精准度和效率，打造下一代自动化安全闭环。 3、开拓AI应用安全的蓝海 负责公司各类AI/ML应用（如AIGC、推荐系统、大语言模型应用）的安全评估与加固，研究并防御针对AI模型的特有攻击（如提示词注入、数据投毒、模型窃取等），制定并推行SHEIN的AI安全开发规范。 4、成为研发团队的“安全领航员” 与SHEIN全球的顶尖研发团队（包括算法和工程团队）紧密协作，作为他们最信赖的安全专家，提供从传统应用到AI应用的全方位安全指导，提升整个技术团队的安全认知和实战水平。
1. 深入理解滴滴的业务模式、交易流程和系统架构，发现潜在的作弊风险点，和产品技术、业务运营高效沟通，设计合理的风控策略架构。 2. 基于SDK采集的设备信息，通过机器学习算法，为 Android/iOS/H5/小程序生成设备标识。 3. 通过用户行为数据的采集和分析，实现人机识别，并结合采集信息，对可信设备标识生成设备、环境、行为等相关的风险标签和风险评分。 4. 独立思考某个业务环节或场景可能潜在的作弊风险，设计合理的策略体系，通过大数据分析，定量识别潜在的风险和业务影响。 5. 应用先进的数据挖掘、统计模型、机器学习等方法，结合数据分析，研究发现数据以及业务的异常，作出解释归因和风险告警，并给出风险特征和策略的推荐，推动业务落地。 6. 针对某个业务或场景建立合理的指标体系，在对抗过程中不断完善监控体系，与工程技术团队配合，形成可视化的监控系统快速发现作弊。 7. 有体系化思维，建立储备通用能力并赋能给业务/风控，提升整体风险感知/防控等能力，以及基于通用能力提升效率。