中国电信
安全算法工程师
安全算法工程师
发布于 4 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
Pytorch
Shap
Tensorflow
Waf
内容风控
多模态检测
模型可解释性
网络安全
Bot流量管理
值不值得投
78综合评分
综合评分 78
大型通信企业平台、前沿AI安全技术栈、社会价值高，适合追求技术成长与稳定发展的应届硕士。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
2.2万
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 2560 个在招 · 其中信息安全 50 个
市场机会
选择面较广
北京 · 信息安全 · 约 120 个在招
职位详情
关于这个职位
该职位主要负责多媒体内容安全审核、网络安全威胁实时感知与防御以及模型可解释性分析
你需要运用机器学习和深度学习技术，设计并优化多模态不良信息检测算法和WAF核心检测引擎，保障业务内容合规与网络安全
最低要求
届应届硕士研究生及以上学历，计算机科学与技术、人工智能、软件工程、数据科学、网络安全、模式识别与智能系统等相关专业
具备扎实的机器学习、深度学习、自然语言处理、计算机视觉基础理论知识，熟悉主流AI算法原理，成绩优异、专业基础扎实
熟练掌握Python编程语言，熟悉PyTorch、TensorFlow等主流深度学习框架，熟练使用Sklearn、Pandas、Numpy等数据处理工具
熟悉内容合规检测、风控安全、威胁检测任意方向算法落地
了解网络安全、黑灰产对抗、业务风控基础常识，具备违规内容识别、恶意行为检测、异常流量分析相关项目经验者优先
具备独立的算法调研、模型训练、效果调优、问题复盘能力，能够针对业务痛点优化算法指标，有竞赛获奖、科研论文、相关实习/项目经验者优先
逻辑清晰、责任心强，具备良好的团队协作能力和沟通能力，热爱算法研发工作，能够快速跟进前沿技术，适配业务快速迭代需求
工作职责
多媒体内容安全审核与语义纠错：负责设计并优化多模态不良信息检测算法，覆盖图像（涉黄、赌博、暴力、敏感标志）、语音（违规关键词、情绪异常）及文本的全链路识别
针对政治敏感场景，构建政治术语知识图谱与错别字混淆变体库，实现精准的术语纠错与变体对抗识别，确保内容合规性
网络安全威胁实时感知与防御：负责Web应用防火墙（WAF）核心检测引擎研发，包括SQL注入、XSS跨站脚本、命令执行、文件包含等传统Web攻击的特征提取与异常流量建模
构建Bot流量管理体系，通过行为序列分析、设备指纹、IP情报关联及滑动窗口频次统计，精准区分好人、坏人（恶意爬虫、撞库、刷票）与机器人，制定动态拦截/限速策略
设计轻量化在线推理架构，保障安全检测在高并发业务场景下延迟低于阈值
模型可解释性与安全归因分析：针对黑盒深度学习模型，引入可解释性工具（SHAP、LIME、Grad-CAM、Integrated Gradients），定位模型作出“违规”判断的关键像素区域或关键词
建立安全告警审计日志机制，为每一次拦截或标记生成人类可读的决策依据，辅助运营人员快速复核
定期进行模型鲁棒性评测，通过对抗样本攻击验证模型脆弱性，并利用解释结果反哺训练数据清洗与特征工程
优先资格
有互联网内容风控、AI安全、网络威胁检测、黑灰产对抗相关实习或科研项目经历
熟悉多模态内容检测、对抗样本防御、小样本学习、异常行为识别等相关技术
顶会论文、算法竞赛（Kaggle、天池等）获奖、开源项目贡献者优先
AI 洞察
优缺点分析
优点
- 依托庞大的业务体量，算法落地场景广阔，能积累高并发、大规模数据处理与对抗实战经验
- 平台稳定性高，福利体系完善，有利于长期职业发展与生活平衡
- 安全对抗具有极强的动态性和隐蔽性，黑灰产手段迭代快，需要持续跟进前沿技术并保持高度敏锐
- 模型可解释性与高并发低延迟的工程化落地存在技术矛盾，需要在算法精度与系统性能之间寻找最优解
- 适合具备扎实AI算法基础、对网络安全与内容风控有浓厚兴趣，且希望在稳定平台上深耕安全算法领域的应届硕士毕业生
缺点 / 挑战
- 业务场景丰富且极具挑战性，涵盖多模态内容审核、WAF防御及模型可解释性等前沿安全领域
角色解读
- 从初级算法工程师成长为安全算法专家，深入多模态内容风控或网络安全防御领域
- 向安全架构师或AI安全团队技术负责人方向发展，主导大型安全系统的架构设计与技术演进
- 负责多媒体内容安全审核与语义纠错，设计多模态不良信息检测算法，构建知识图谱实现精准纠错
- 研发Web应用防火墙（WAF）核心检测引擎与Bot流量管理体系，构建轻量化在线推理架构以应对高并发场景
- 利用SHAP、LIME等工具进行模型可解释性分析与安全归因，定期评测模型鲁棒性并反哺训练数据
- 扎实的机器学习与深度学习基础，熟练掌握Python及PyTorch/TensorFlow等主流框架
- 熟悉内容合规检测、风控安全或威胁检测方向的算法落地，了解网络安全与黑灰产对抗常识
- 具备独立的算法调研、模型训练与调优能力，能够针对业务痛点优化算法指标
申请策略
- 深入了解公司在云网融合、AI安全及内容合规方面的业务布局，面试时结合公司业务场景阐述自己的技术理解
- 突出在机器学习、深度学习、NLP或CV方向的项目经验，特别是与内容风控、异常检测或网络安全相关的课题
- 强调Python编程能力及PyTorch/TensorFlow框架的熟练使用，展示独立进行模型训练、调优与问题复盘的能力
- 若有顶会论文、Kaggle/天池等算法竞赛获奖或开源项目贡献，务必在简历中重点展示
- 提前了解WAF原理、Bot流量特征及黑灰产对抗常识，熟悉SHAP、LIME等模型可解释性工具
- 复习多模态内容检测、对抗样本防御及小样本学习等前沿技术，提升在安全场景下的算法设计能力
面试指南
- STAR法则：情境(Situation) -> 任务(Task) -> 行动(Action) -> 结果(Result)，重点突出你在算法调研、特征工程和模型调优中的具体贡献
- 技术深度与业务结合：不仅解释算法原理，还要说明该算法如何解决实际业务痛点（如降低误报率、提升拦截准确率）
- 请介绍一个你参与过的多模态内容检测或异常流量分析项目，你是如何设计特征和选择模型的？
- 在高并发场景下，如何设计轻量化在线推理架构以保证安全检测的低延迟？
- 针对黑盒深度学习模型，你是如何使用SHAP或LIME等工具进行可解释性分析的？
- 面对黑灰产不断变异的攻击手段（如变体对抗、恶意爬虫），你的算法策略会如何动态调整？
- 复习主流深度学习模型（如CNN、Transformer）在CV和NLP中的应用，以及传统机器学习在异常检测中的用法
- 准备1-2个自己主导或深度参与的算法项目，能够清晰讲述从数据清洗、模型训练到线上部署的全流程
职位点评
薪资福利75
成长发展85
工作生活70
使命价值80
薪资福利
75中等
作为大型通信企业，提供具有市场竞争力的校招薪资与完善的福利体系，薪资水平处于市场中上游，稳定性极高。
薪资信号未披露（AI估算：1.8千–2.5万/月）
成长发展
85较高
岗位涉及多模态检测、WAF引擎、模型可解释性等前沿AI安全技术，技术栈现代且业务场景复杂，能极大提升算法落地与工程化能力。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、SHAP、LIME、Grad-CAM、多模态检测、WAF
成长机会快速跟进前沿技术
业务类型cost_center
工作生活
70中等
企业平台通常能提供相对规律的工作节奏和较好的工作生活平衡，但安全对抗业务可能需要应对突发安全事件。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
工作内容直接关乎网络空间清朗与内容合规，具有显著的正向社会价值与使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号确保内容合规性
创新程度积极采用新技术
Watch Jobs