logo of bytedance

字节跳动隐私安全产品经理-集团信息系统

社招全职5年以上A71665地点:上海状态:招聘

任职要求


1、本科以上学历,计算机科学或信息安全相关领域专业优先;
2、5年以上产品管理经验,有隐私合规、数据保护、安全风控类领域相关产品经验优先;
3、熟悉数据流管理,有数据平台开发、在线/离线/服务等资产管控、数据识别经验优先;
4、优秀的书面和口头沟通能力,英语流利可以作为工作语言优先;
5、逻辑清晰,思路敏捷,具备较好的沟通能力与跨职能团队合作经验。

工作职责


1、与跨职能团队合作,确定关键隐私问题并制定路线图,构建隐私和数据保护产品解决方案;
2、与研发、设计师和数据分析师合作,提供隐私合规控制和监控的关键模块和功能,在不同的团队中建立一致的隐私原则和实践;
3、管理数据隐私项目,识别交付中的风险,与高级管理团队沟通状态和进展;
4、支持法律、安全和隐私工程师构建增强隐私治理的工具。
包括英文材料
学历+
相关职位

logo of alibaba
实习淘天集团2026

1、用户需求洞察 设计科学的需求洞察路径,深度调研企业员工日常工作场景,挖掘效率瓶颈与体验优化点,转化为可落地的AI产品功能。 2、产品设计与规划 负责企业级AI效率产品的全生命周期管理,围绕员工生产力提升及工作体验优化,设计AI产品核心能力(如智能助手、自动化流程、知识管理、数据分析等)。 3. 产品实施落地 联动技术、算法、设计团队,推动AI产品功能落地,确保最终实施与产品目标对齐。 4. 数据驱动优化 建立产品效果评估体系,持续优化AI产品能力。关注AI伦理与数据安全,设计合规机制保障企业信息隐私。 5. 行业前瞻性调研 跟踪AI领域技术突破,探索其在企业效率场景的创新应用。

更新于 2025-05-07
logo of bytedance
社招5年以上JWHBP

1、负责视频产品、电商、企业协同产品、游戏、教育等业务合规风险的识别、治理、改进、跟踪及事后评估,与法务团队合作,将法律合规要求转化为技术和流程解决方案,处置相应的风险,并进一步沉淀为标准合规方案、指南,提升业务的合规效率; 2、支撑集团合规管理框架落地,包括按照管理框架标准实施流程制定、相关方沟通、决策记录、推进集团合规管理的成熟度; 3、负责推进公司层面统一的合规工作专项在各业务线落地执行; 4、主持建立或完善数据全生命周期的制度、流程和规范,确保风险收敛及合规技术解决方案在业务场景下落地; 5、主持设计并推动合规自动化工具的开发等; 6、配合内审内控团队,实施内部合规审计,包括数据权限、跨境传输合规、APP合规、SDK合规; 7、将专业合规实践能力输出为专业实操指南,沉淀于知识库,并提供公司内部的培训以及打造行业影响力。

更新于 2021-09-22
logo of antgroup
社招2年以上技术类-开发

蚁盾技术部隶属于蚂蚁集团数字科技线技术部,主要职责是支撑安全科技国内业务的开展,参与建设和设计新一代智能风控引擎、企业大数据风控平台、信贷风控、合规隐私安全、B类风控等多条业务的技术架构体系,负责各平台应用架构设计和系统研发。 1. 具备一定的架构设计思维及理念,能从业务本身出发,具备高度抽象并落地具备高可扩展、高可用、高可靠性的产品技术体系; 2. 具备独立完成较复杂的系统分析、设计,并主导完成详细设计和编码的任务,确保项目的进度和质量; 3. 具备实时流式计算平台(如Flink、Spark Streaming)的开发能力,熟悉分布式数据流处理;有大规模集群性能调优经验;能基于微服务架构实现低延迟高并发通信,保证系统可伸缩性和稳定性; 4. 配合产品经理快速完成系统原型及技术方案设计; 5. 能够在团队中完成Code Review的任务,确保相关代码的有效性和正确性,并能够通过Code Review提供相关性能以及稳定性的建议。

更新于 2025-06-03
logo of aliyun
社招3年以上云智能集团

1. 行业解决方案设计与交付 - 基于阿里云大模型技术(如通义千问),为银行、保险、证券等金融客户量身定制AI大模型解决方案,覆盖AI财富助手、智能客服、智能风控等核心场景。 - 深入理解客户业务痛点,提供从需求分析、技术选型到方案落地的全流程支持,确保大模型技术与金融业务深度融合。 2. 大模型全生命周期技术赋能 - 主导客户侧大模型后训练(Post-training)、领域微调(Domain-specific Fine-tuning)、模型蒸馏(Distillation)及多模态融合优化,提升模型在金融垂直场景的精度及性能。 - 优化大模型训练与推理性能,包括分布式训练加速(如DeepSpeed、Megatron-LM)、显存优化、量化压缩(INT8/FP16)及低延迟推理部署(如vLLM、SGLang)等。 3. 工程化落地与性能调优 - 解决金融场景高并发、高稳定性需求,设计高性能计算架构,优化模型在GPU/TPU集群的训练效率及端到端推理链路。 - 结合金融行业数据隐私与安全要求,设计符合监管的模型部署方案。 4. 客户技术赋能与生态共建 - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证,推动AI能力在客户内部的规模化应用。 - 沉淀金融行业大模型最佳实践,输出白皮书、案例研究及标准化解决方案,提升阿里云在金融AI领域的市场影响力。

更新于 2025-09-15