蚂蚁金服研究型实习生-AI核身前沿安全攻防技术研究
任职要求
研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作
工作职责
研究领域： 网络与信息安全 项目简介： 随着AIGC技术的快速发展，DeepFake攻击的成本越来越低，攻击规模也越来越大，本项目聚集研究前沿的多模态Deepfake攻防技术，利用大模型等AI技术生成高质量对抗样本，对内部AIGC产品进行高强度、自动化和智能化攻防演练。场景包括：图片凭证、人脸视频、声纹等Deepfake攻防。
1. 在AI/HPC突发流量激增的背景下，探索软硬件协同设计新的方法，重构软硬件功能边界，实现异构计算资源的深度融合与动态适配 2. 多核协同调度机制：构建基于资源感知的动态调度算法，建立多维约束条件下的最优任务分配模型 3. 关键性能瓶颈突破：重点攻克时延抖动抑制、缓存资源动态分配等核心挑战，建立面向服务质量保障的调度优化框架；
【项目介绍】 在当前AI发展的浪潮中，垂直领域（如新闻媒体）仍有⼤量基础性、交叉性的核⼼问题亟待探索和定 义。我们旨在通过深度研究，为媒体⾏业在AI时代构筑独特的认知和能⼒护城河，并希望借此吸引对 解决真正难题充满热情的顶尖⼈才。 为此，我们携⼿顶尖⾼校，推出SOHU Leaf Program/⻘叶研习项⽬，诚邀对挑战复杂问题充满热情的 你，与我们共同探索AI与媒体的⽆限可能。 【研究方向】 我们正在寻找对以下⼀个或多个⽅向有浓厚兴趣和研究潜⼒的伙伴： 1. AI与新闻传播交叉研究: 与内容、产品团队紧密合作，探索AI技术如何深度赋能或重塑内容⽣产、 分发与交互，研究其中的关键技术挑战与社会影响； 2. 复杂任务与策略研究: 探索和研究前沿AI技术（如LLM、Agents、RL、多模态理解与⽣成等）在处 理复杂媒体内容任务（如深度内容理解、可信信息⽣成）中的应⽤与挑战； 3. 领域能⼒评测与基准: 针对新闻媒体领域的独特性，设计和开发新的评估⽅法和基准，以更准确地 衡量和理解AI在信息处理、内容创作、价值对⻬等⽅⾯的真实能⼒；
Stonebraker在SIGMOD上对数据库发展20年进行了回顾：尽管过去二十年间KV、NoSQL、MapReduce等技术多次对SQL系统发起挑战，但其生命力却愈发蓬勃——这种""不断兼并挑战者""的韧性，恰恰印证了关系型数据库在数据管理领域的统治力。 其根本的底层逻辑是：随着内存容量突破TB级、NVMe SSD延迟进入微秒时代，硬件工艺的指数级跃迁，曾经为性能瓶颈而生的专用数据处理系统（如OLAP、时序数据库）正呈现大一统趋势。 AI时代，人们比任何时候都更清醒地认识到——数据依然是驱动智能的核心，我们期待对底层研究富有激情的你共同探索数据处理的新范式。 1 期待你通过创新的方法实现SQL性能在新场景下的数量级的提升，将学术成果发表成CCF-A类论文，可进一步在阿里云落地和贡献给开源社区。 2 研究方向包括不限于： 1) 多模态HTAP数据分析性能加速； 2) SQL在多模态场景下的语义扩展； 3) 探索SQL执行引擎范式，突破code gen和向量化执行等上一代执行模式； 4） 针对新硬件设计新的SQL算子和数据结构。
1. 优化和设计AI数据湖场景下的多层智能缓存架构和算法，使系统具备缓存动态分级、冷热数据预测、智能数据迁移等能力； 2. 分析数据湖查询和AI训练场景的负载特征，构建特征库，支持缓存效果实时反馈、动态优化和应用闭环； 3. 撰写技术方案、实验报告及学术论文，参与专利申请； 4. 与团队协作，完成和现有系统的对接与测试。