海尔
AI安全与隐私专家
AI安全与隐私专家
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公信息安全
信息安全
Ai安全
Iam
合规工程化
威胁建模
数据安全
生成式Ai安全
红队测试
隐私保护
值不值得投
74综合评分
综合评分 74
前沿AI安全架构岗、技术成长性强、平台稳定，WLB待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
8.0万
比信息安全中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 800 个在招 · 其中信息安全 6 个
市场机会
选择面较广
上海 · 信息安全 · 94 个在招
职位详情
关于这个职位
负责构建AI系统的安全与隐私架构，涵盖身份认证、数据生命周期保护及生成式AI风险防护
主导威胁建模、红队测试与安全评审，推动隐私设计原则落地，并协同法务与产品团队将合规要求转化为工程实践，保障复杂AI系统的可追踪性与恢复能力
最低要求
计算机、网络安全、信息安全、密码学或相关专业背景，具备扎实的安全基础
熟悉Identity&AccessManagement、ApplicationSecurity、CloudSecurity、DataSecurity等一个或多个方向
具备复杂系统ThreatModeling、安全架构设计和安全评审经验
理解生成式AI、LLM、Agent、RAG等技术及其新的攻击面和安全风险
熟悉数据隐私保护原则及PrivacybyDesign，能够将政策要求转化为工程机制
具备较强的跨团队推动能力，能够在安全、用户体验和工程效率之间做出合理权衡
具备良好的中英文沟通能力，能够持续跟踪全球AI安全、隐私和监管趋势
工作职责
负责AI系统安全与隐私总体架构，建立覆盖身份、权限、数据、模型、Agent、接口和运行环境的安全设计原则
推动Identity、Authentication、Authorization、Secrets/KeyManagement、Audit等基础安全能力建设
负责AI数据生命周期的隐私与安全设计，包括数据最小化、访问控制、加密、隔离、留存与删除机制
针对PromptInjection、ToolAbuse、DataExfiltration、ModelSupplyChain、越权调用等生成式AI风险建立防护与评测机制
开展ThreatModeling、安全架构评审、红队测试与风险评估，并推动问题在产品上线前闭环
设计本地与云端不同运行环境下的数据与信任边界，推动隐私保护技术在系统架构中的落地
建立安全事件响应、审计、漏洞管理与持续监控机制，提升复杂AI系统的可追踪性与恢复能力
与法务、合规、产品、AIInfra、Agent、数据及硬件团队协同，将外部法规要求转化为可执行的工程设计
AI 洞察
优缺点分析
优点
- 聚焦AI安全前沿领域，技术壁垒高且市场需求持续爆发
- 依托成熟企业平台，拥有充足的算力资源与真实业务场景支撑
- 跨团队协同频繁，能快速积累复合型安全架构与合规落地经验
- 接触全球AI监管趋势，职业视野与国际接轨程度高
- 生成式AI攻击面快速演变，需保持高强度学习以跟进最新漏洞与防御方案
- 需在严格的安全合规要求与敏捷的业务上线节奏间反复权衡决策
- 政策工程化难度大，需将抽象的法律条文转化为精确的代码级控制策略
- 具备扎实安全底座与AI技术理解力的资深工程师，擅长跨团队推动与复杂系统设计的技术专家
缺点 / 挑战
暂无明显挑战项
角色解读
- 向AI安全首席架构师或企业安全治理负责人方向发展
- 深入参与行业安全标准制定，成为AI合规与可信AI领域的权威专家
- 拓展至AI产品安全商业化咨询，赋能更多智能硬件与云服务场景
- 设计并落地AI系统整体安全与隐私架构，定义各组件安全边界
- 针对生成式AI新型攻击面建立专项防护策略与自动化评测机制
- 主导威胁建模、红队测试及安全架构评审，推动风险在上线前闭环
- 协同法务与产品团队，将国内外AI监管政策转化为可执行的安全工程规范
- 精通IAM、云安全与数据隐私保护原则，具备复杂系统架构设计能力
- 熟练掌握威胁建模方法论与红队测试实战技巧
- 深入理解LLM、Agent、RAG等技术栈及其特有攻击向量与防御方案
- 具备优秀的跨部门协同能力，能在安全管控、用户体验与工程效率间取得平衡
申请策略
- 提前研究目标企业在智能家居、工业互联网等领域的AI应用场景，准备针对性架构方案
- 面试时携带1-2个完整的安全攻防对抗或架构重构案例，突出决策逻辑与业务价值
- 突出AI/大模型系统安全架构设计的完整实战案例
- 详细列举威胁建模、红队测试及隐私合规落地的量化成果
- 强调跨部门协同经验，展示如何将非技术性合规要求转化为工程机制
- 附上相关技术博客、开源贡献或行业会议演讲记录以增加背书
- 补充生成式AI专项安全知识，重点掌握Prompt注入防御、模型供应链安全与越权调用检测
- 强化隐私计算、数据脱敏与联邦学习等前沿技术的工程实践能力
面试指南
- 采用“场景拆解-资产识别-威胁映射-控制设计-验证闭环”的标准安全工程逻辑展开回答
- 结合具体项目数据说明防护效果、性能损耗与业务影响的平衡点，体现工程化思维
- 引用国际通用框架（如OWASP Top 10 for LLM、NIST AI RMF）佐证方案的专业性与前瞻性
- 如何为基于RAG的AI客服应用设计端到端的数据隐私保护与权限控制方案？
- 请分享一次你主导的生成式AI红队测试经历，发现了哪些关键风险？如何推动修复？
- 当业务方要求快速上线新功能，但安全评估尚未完全闭环时，你如何进行架构权衡与风险处置？
- 面对不断更新的AI监管政策，你如何将合规要求高效转化为可落地的工程检查清单？
- 系统梳理过往AI/大模型安全项目的全流程案例，准备STAR法则叙述素材
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
上市公司提供市场水准薪资与完善福利体系，虽JD未明确具体薪酬范围，但整体补偿性动机满足度良好。
薪资信号未披露（AI估算：6.0千–10.0万/月）
成长发展
85较高
聚焦AI安全前沿领域，技术成长空间广阔，涉及架构设计与跨团队推动，职业发展路径清晰且具备高天花板。
技术前沿前沿/新兴技术
技术栈AI安全、隐私保护、威胁建模、IAM、LLM、Agent、RAG
业务类型cost_center
工作生活
60中等
JD未明确提及弹性办公或WLB政策，大型科技企业通常有固定考勤要求，通勤便利性与工作强度需进一步确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
致力于构建可信AI生态，推动隐私保护与合规落地，具有显著的行业社会价值与技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs