logo of insta360

影石体系管理工程师-2026校招

校招全职地点:深圳状态:招聘

任职要求


1. 全日制本科及以上学历。计算机科学、网络空间安全、信息安全、软件工程、信息管理等相关专业。
2. 熟悉信息安全基本概念,对至少一个主流安全框架或标准(如ISO 27001、NIST CSF、等级保护2.0)有初步了解者优先。
3. 具备良好的技术文档编…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1. 协助维护和优化公司现有的信息安全管理体系(ISMS),确保其符合ISO 27001等标准要求,修订信息安全管理制度。
2. 参与公司信息安全风险评估活动,协助跟踪信息安全风险整改措施的落实,并定期汇报整改进度。
3. 参与策划和开展全员信息安全意识宣传与教育活动。协助开发信息安全培训材料,并组织面向不同部门的安全培训。
4. 日常安全运营支持:参与处理日常信息安全需求,协助管理信息安全相关系统的用户权限和访问控制。
包括英文材料
学历+
相关职位

logo of insta360
校招

1. 安全监控与事件响应,负责安全事件监控(SIEM/SOC),分析告警并判定真实攻击,维护并优化SOAR剧本,实现自动化响应; 2. 漏洞管理与渗透支持,管理漏洞生命周期(从发现到闭环),推动漏洞修复; 3. 安全防护体系运维,部署维护WAF/IDS/IPS规则,策略调优,管理EDR/XDR终端防护,检查进程行为基线; 4. 数据保护与访问控制,监控、运维DLP系统,维护数据加密体系,策略调优。

更新于 2025-07-18深圳
logo of xiaohongshu
校招基础后端

容器方向: 1、Kubernetes架构设计与开发,在深入理解Kubernetes原生架构基础上,参与Kubernetes核心组件开发; 2、参与Kubernetes集群全面性能分析,并优化关键节点、组件和流程,以提升整体系统的稳定性和响应速度; 3、参与Kubernetes集群的稳定部署、监控与维护工作,确保集群在高负载环境下的可靠运行,并完善平台化能力; 4、参与公司容器调度平台的架构设计和核心功能开发,包括容器资源管理、调度优化、应用和资源弹性等; 5、参与公司混部调度方案落地,优化集群资源的整体利用率;研究并改进 Kubernetes 调度算法,提升集群的资源分配效率和稳定性。 系统软件方向: 1、构建及维护操作系统基础环境,负责线上服务器操作系统底层基础模块的稳定运行; 2、优化操作系统、内核、服务器等运行环境,提升小红书整体业务性能; 3、结合软硬件及k8s调度技术,提供体系的解决方案,给上层应用带来稳定性的提升及成本的下降,包括但不限定于混部,超卖等技术; 4、负责构建实时、稳定的全链路跟踪系统,聚焦linux、服务器、交换机等基础设施的故障定界。

更新于 2025-08-18上海|杭州|北京
logo of xiaohongshu
校招基础后端

网络工程研发: 建设小红书基础设施网络平台,对小红书网络进行全方位的监控、管理、运营优化,提升网络整体稳定性、效率,并优化网络成本。 1、负责网络可观测体系建设,研发链路水位、拥塞监控、流量调度、稳定性分析等平台功能; 2、负责网络自动化工具和系统的开发,包括拓扑自动生成、配置自动下发、变更自动化、异常检测与自愈; 3、与网络工程师协作,将底层网络能力平台化、服务化,提升整体运维效率与稳定性; 4、参与网络数据建模与分析,支撑容量规划、风险识别、成本优化与策略制定。 网络控制面研发: 1、参与网络SDN 控制系统的设计、研发和优化工作; 2、参与网络产品的控制面研发,包括但不局限于DNS、NAT、负载均衡、IPAM等产品; 3、参与大型分布式系统的性能和架构优化。

更新于 2025-09-13北京|上海|杭州
logo of xiaohongshu
校招机器学习平台

小红书中台AI平台团队致力于打造业界领先的一站式AI平台,通过技术创新和工程优化,为公司AI业务发展提供强有力的基础设施支撑,实现算法研发效率的显著提升和成本的有效控制。我们负责调度公司所有AI模型训练及推理的数万卡GPU资源,基于自研的训练、推理、智能体框架,为公司所有算法及工程同学提供端到端、一站式的AI研发能力,包含大模型数据处理/训练/压缩/推理/部署及开箱即用的API体验、AI知识库/智能体应用构建、搜广推数据生产/模型训练/模型上线/特征管理/模型测试等。 1、负责大模型/搜广推模型开发平台、AI应用开发平台的架构设计和核心功能研发,构建云原生架构,设计高可用、高性能的微服务体系; 2、负责构建面向大模型、搜广推、智能体全流程DevOps,与下游云原生平台深度融合,支撑大模型在公司内各业务生产链路稳定高效地落地; 3、负责万卡规模GPU集群效能分析及优化,通过调度策略优化、在离线混部、GPU虚拟化、存储&网络加速等手段,提升GPU集群使用效率; 4、将平台和框架结合,通过任务调度、弹性容灾、性能优化等措施端到端提升AI生产效率,涉及k8s/kubeflow、网络通信、分布式训练等; 5、优化各AI平台性能,提升系统稳定性和可扩展性,保障大规模并发场景下的服务质量与用户体验; 6、持续研究分析业内创新AI平台产品,优化技术方案,改进产品功能,提升创新能力与产品体验。

更新于 2025-09-24北京|上海|深圳