字节跳动数据系统及反自动化架构师-业务风控

负责公司的安全攻防能力建设，以下方向任选其一。 【Web应用安全方向】 1.负责公司应用安全生命周期的安全建设落地和运营； 2.负责公司黑盒扫描平台规则运营和优化； 3.负责公司白盒代码扫描平台的运营和优化； 4.负责跟踪业界安全攻防动态，追踪最新安全漏洞，进行研究分析。 【安全运营方向】 1.负责美团各类安全告警的运营及事件应急、排查，跟进相关风险修复； 2.负责美团安全攻防能力建设，包括日志/漏洞/后门分析，安全检测策略和模型的开发设计等； 3.负责美团资产域内各类型安全漏洞的修复推动及相关平台、数据能力建设； 4.负责前沿安全技术研究，并通过攻防演练等方式进行风险评估及提供防御建议。 【Windows/macOS安全方向】 1.参与Windows/macOS办公网安全客户端软件的架构设计、研发、性能优化等工作； 2.针对Windows/macOS系统及重要软件开展漏洞挖掘与攻防技术研究工作； 3.将安全研究成果转化到办公网安全产品中，保障公司主机及数据安全。 【移动安全方向】 负责移动端各平台（Android/iOS/小程序/H5等）攻防体系建设，内容涵盖移动端安全组件开发、设备风险识别、程序分析、漏洞及隐私合规检测等领域。 【云原生安全方向】 1.云原生安全研究，跟进业界云原生安全的最新研究成果，包括kubernetes、docker、linux系统等的安全攻防研究，并能够基于最新研究成果进行创新； 2.云原生安全研发，将研究成果转化落地，形成安全产品或能给业务方提供技术支持，保障云基础设施安全可靠运行。 【系统安全方向】 1.负责程序自动化漏洞挖掘能力的研究和能力建设； 2.负责程序行为分析技术的研究和能力建设； 3.负责美团内部业务漏洞挖掘、漏洞分析和漏洞利用，并进行能力沉淀； 4.负责AI和系统安全结合方向的研究，并将研究成果落地，解决实际业务问题。 【数据安全方向】 1.负责面向公司内及生态的数据安全技术体系建设和设计，包括不限于数据资产地图、UEBA、SIEM、API安全、数据加密、EDR、零信任等； 2.负责跨部门、跨公司推进数据安全技术方案及相关工具的落地及运营； 3.推进数据安全风险量化体系、响应机制及风险处理绩效考核。

1、参与公司核心业务系统后端服务的设计、开发与维护，支撑高并发、高可用场景； 2、负责数据处理平台、自动化脚本、AI/ML 工具链的开发与优化； 3、设计并实现 RESTful API 接口，保障接口稳定性与安全性； 4、与数据科学家、产品经理、前端团队协同，推动业务需求高效落地； 5、编写高质量、可测试、可维护的 Python 代码，参与代码评审； 6、持续优化系统性能，解决线上问题，提升系统健壮性； 7、探索和引入新技术（如异步编程、Serverless、容器化部署）。

1 负责Fintech风控领域的测试保障工作 2 负责金融风控体系的质量架构（通过不限于自动回归集合，大数据测试，模型测试，流量仿真等），主导构建并持续优化风控全生命周期全链路的质量保障体系 3 负责金融风控核心系统的高稳定性、高可用和安全性，制定可提升风控系统稳定性、可靠性、可恢复性的总体测试策略和落地。 4 通过前瞻性的思考、机制建设，规避风控全域质量风险。

为应对日益复杂的金融欺诈手段和动态变化的信用风险环境，我们正在全面推进风险管理智能化升级。现诚邀一位具备前沿AI技术视野与实战能力的 AI创新算法专家 加入我们的核心团队，主导基于大语言模型（LLM）、多模态大模型等新一代人工智能技术的风险链路重构项目。 你将作为AI技术创新的引领者，推动从传统规则驱动向“感知-推理-决策”一体化智能风控体系的演进，构建覆盖贷前、贷中、贷后及支付全链路的下一代智能风控架构，显著提升风险识别精度、响应速度与自动化水平。 主要职责 1，主导AI驱动的风险链路重构项目：设计并落地基于LLM与多模态大模型（文本、图像、音频、行为序列等）的端到端风险识别系统，重构现有反欺诈、信用评估与支付风控流程。 2，构建智能风险理解引擎：利用大模型对非结构化数据（如客户沟通记录、社交信息、交易描述、证件图像、视频认证等）进行深度语义理解与关联分析，挖掘潜在风险信号。 3，开发自适应风险推理框架：结合知识图谱、因果推断与大模型的推理能力，实现对复杂欺诈模式（如团伙欺诈、身份冒用、场景伪装）的自动归因与可解释性输出。 4，探索多模态融合建模：整合文本、图像、生物特征、设备指纹、行为时序等多源异构数据，构建统一表征空间，提升高隐蔽性风险的检出率。 5，推动AI能力产品化与工程落地：与工程、数据平台及业务团队协作，完成模型部署、A/B测试、性能监控与持续迭代，确保在高并发、低延迟场景下的稳定运行。 6，跟踪前沿技术动态：持续关注大模型、Agent智能体、RAG、Prompt Engineering、小样本学习等技术在金融风控中的应用进展，推动技术预研与创新试点。 7，建立AI风控伦理与合规框架：确保模型设计符合数据隐私、公平性与监管要求，规避偏见与滥用风险。