阿里巴巴集团安全部-AI 驱动数据分析师-杭州
任职要求
1. 对数据敏感，具有优秀的业务理解、数据分析和解决问题能力，能够主动并乐于了解日常业务需求，有自己独到的见解和思考，具备从日常业务中发现问题并解决问题的能力。 2. 具备海量数据处理经验（ODPS/Hive/Flink），具备数据的架构设计经验，能够结合本业务领域内的数据和数据应用的…
工作职责
1. 负责情报团队的数据能力和体系建设，通过沉淀丰富的档案能力支持复杂多变的情报业务。 2. 重点围绕商品数据构建商品档案库、挖掘潜在业务领域知识，用数据提升业务效能，向业务前线直接贡献价值。 3. 通过深入理解业务及策略，抽象业务过程、沉淀可复用的数据洞察能力，提供系统性的解决方案。 4. 借助大模型实现日常数据开发的 Agent 工作流。
1. 智能测试架构设计：基于MCP（模型上下文协议）设计测试智能体（Test Agent）架构，实现测试计划生成、用例编写、脚本维护的自动化闭环。 2. Skill封装与工程化：将传统的测试经验（如代码审查、异常分析、边界值设计）封装为可复用的AI Skills，构建企业级测试技能库，赋能团队提效。 3. 自动化与自愈体系建设：利用AI技术解决UI自动化测试中的元素定位不稳定问题，实现脚本的自适应修复与智能调试，降低维护成本。 4. 全链路效能提升：推动“质量左移”，利用AI进行代码提交阶段的缺陷预测与风险识别，构建从需求分析到线上监控的智能质量防护网。
1. 防御机制拆解： 跟踪国内外主流模型的安全策略，通过实验分析其在内容过滤、逻辑保护方面的实现路径，并输出分析报告。 2. 安全围栏建设： 参与公司模型的内容审计系统开发，编写并维护核心的防御 Prompt 和过滤规则库。 3. 风险路径探测： 对模型系统（含插件、沙箱）进行常规的安全评估，识别提示词泄露和接口滥用的潜在风险，并提出加固建议。 4. 反蒸馏技术落地： 协助落地基础的防爬取、模型输出干扰等风控方案，保护公司模型资产。 5. 跨团队协作： 与算法团队配合，将发现的安全漏洞转化为模型微调（SFT）或对齐（RLHF）的训练样本。
1. AI数据资产体系建设：负责核心AI数据资产体系，结合业务需求与数据算法能力，主导大数据的处理、解析、分析、挖掘、研发及优化工作。 2. 合成数据与数据多样性：主导结合场景的合成数据多样性生产： 探索基于 AI 模型的合成数据技术，主动解决特定领域（如逻辑推理、长尾语种）的数据稀缺问题。 3. 基于大模型做特征筛选、小模型蒸馏、小模型效果评估，主导欺诈评分等能力建设上。 4. 数据驱动的生产闭环：基于评测/资产结论，将其转化为工程层面的“数据增强策略”。通过反馈快速构建数据生产流程形成数据供给的闭环。 5. 持续跟踪及探索Data + AI方向的行业进展（如Data Agent、AIOps、湖仓一体智能优化等），主动开展技术预研与原型验证，推动先进技术在公司中的适配与规模化应用。
1. AI数据资产体系建设：负责核心AI数据资产体系，结合业务需求与数据算法能力，主导大数据的处理、解析、分析、挖掘、研发及优化工作。 2. 合成数据与数据多样性：主导结合场景的合成数据多样性生产： 探索基于 AI 模型的合成数据技术，主动解决特定领域（如逻辑推理、长尾语种）的数据稀缺问题。 3. 基于数据语义化，利用大模型做资产库的AI native 的自动生产。 4. 数据驱动的生产闭环：基于评测/资产结论，将其转化为工程层面的“数据增强策略”。通过反馈快速构建数据生产流程形成数据供给的闭环。 5. 持续跟踪及探索Data + AI方向的行业进展（如Data Agent、AIOps、湖仓一体智能优化等），主动开展技术预研与原型验证，推动先进技术在公司中的适配与规模化应用。