高德地图算法工程师-安全数据算法
任职要求
岗位要求能力 扎实的数据算法基础：精通机器学习/深度学习，熟悉PyTorch/TensorFlow框架，具备NLP/CV/多模态项目经验者优先。 对大模型技术有深入理解：熟悉Transformer、BERT、GPT等架构，有LLM微调、Prompt工程、模型压缩实践经验。 编程能力：熟练使用Python，具备工程化落地能力（C++/Go/分布式系…
工作职责
关于我们 我们是高德地图安全部的AI创新团队，致力于通过前沿AI技术重构下一代智能安全防御体系。2025年，我们将全面推动安全能力AI化升级，探索大模型在威胁检测、漏洞挖掘、攻防对抗等领域的突破性应用，目标是用AI重新定义网络安全、数据安全与业务安全的未来。 岗位职责 基于大模型（LLM）、深度学习等技术，设计并落地以AI为核心的安全能力，包括： 智能流量异常检测和研判 海量的图文AI审核 自动化漏洞挖掘与修复 隐私计算与数据安全的AI增强方案
1. 负责滴滴国际化出行治理场景的策略模型设计、建设、开发、应用落地、持续迭代优化。 2. 尝试各类特征工程方法，挖掘集团内外部数据，优化策略模型效果。 3. 数据算法创新，了解并跟进业界领先的机器学习、图算法和大模型进展，在业务场景中灵活使用并取得创新。
1、构建安全事件知识图谱，建立车辆-事件-驾驶行为-零部件-软件版本-环境场景-处置结果的关系模型； 2、研究多源异构安全数据的实体对齐、关系推理和动态图谱更新方法； 3、研发因果发现算法，从观测数据中自动发现安全事件的因果结构； 4、研究小样本学习和可解释AI方法，支撑稀有安全事件的归因和证据链展示； 5、推动模型在事故分析、群体风险识别、安全治理场景中的工程化落地； 6、沉淀可复用算法组件、技术文档、论文与专利。
1、模型研发与优化： 负责从0到1构建和迭代机器学习/深度学习模型（如：异常检测、图神经网络、自然语言处理、时间序列分析等），应用于恶意代码分类、网络入侵检测、用户行为分析、钓鱼网站识别等具体场景； 2、威胁狩猎与研究： 利用机器学习模型发现未知威胁和攻击模式，参与安全事件的分析与响应，为安全策略的制定提供数据驱动的洞察； 3、大模型智能体的落地：探索大模型结合信息安全领域的应用，如攻击告警自动化处理等； 4、数据探索与特征工程： 深入分析海量安全数据（如日志、流量、恶意样本、威胁情报等），进行数据清洗、特征提取和特征工程，为模型训练提供高质量的数据基础； 5、前沿技术探索： 跟踪学术界和工业界在AI安全领域的最新进展，评估并将有潜力的新技术（如：联邦学习、对抗机器学习、自监督学习等）应用于实际业务，解决诸如样本稀缺、对抗性攻击等挑战。
1、负责字节跳动游戏产品线的账号/经济/支付/流量安全问题治理，包括但不限于虚假账号、账号ATO、非法代充、交易倒金等，保障游戏环境健康和公平性； 2、基于海量用户数据，分析和挖掘用户行为模式，搭建黑产风险感知和治理体系，能够挖掘业务安全痛点并且制定解决方案； 3、支持安全数据和模型能力开发、全生命周期的安全策略运营，持续提升风险治理效果和效率。