安全工程师（广州）

优缺点分析

角色解读

• 可沿技术专家路线深入，成长为 AI 安全方向的技术带头人，主导下一代智能体安全架构
• 也可向安全产品化、安全解决方案方向延伸，参与核心安全产品的能力规划与商业化落地
• 研究成果有机会形成专利、论文与行业标准，在 AI 安全这一新兴领域建立个人影响力
• 研究 AI Agent 在推理、工具调用、记忆等环节的安全机理，设计防御提示词注入、越狱、幻觉执行、数据泄露的算法与架构
• 搭建自动化红队系统，模拟 APT 级攻击路径，研究语义攻击、逻辑炸弹、供应链投毒等高级威胁并设计检测方案
• 把研究成果工程化，转化为可落地的安全产品能力，并指导工程团队解决性能与准确性的平衡问题
• 扎实的 LLM 原理理解与 AI Agent 开发经验，熟悉 LangChain、AutoGen 等框架及工作流编排、工具治理
• 至少精通 Python/Go/Java 之一，具备良好的算法与数据结构功底，能独立完成研究原型开发
• 掌握主流安全技术体系，理解漏洞原理、渗透测试、威胁情报或 SOC 运营流程
• 加分项是机器学习/深度学习落地经验与 PyTorch、TensorFlow 使用能力

申请策略

• 准备一份 1-2 页的 AI Agent 安全研究说明（问题—方法—结果），比单纯罗列技能更有说服力
• 面试前了解公司在云网融合、安全产品线方面的布局，把个人研究与业务场景做对应
• 突出 AI Agent 项目经验，具体说明框架（LangChain/AutoGen）、工具调用、记忆机制的实现细节与规模
• 量化安全成果，例如发现的漏洞数量、红队测试覆盖场景、防御方案带来的攻击成功率下降幅度
• 展示研究与落地闭环能力，如发表论文、专利、开源项目或已上线的安全能力模块
• 若做过提示词注入、越狱防御相关实验或评测集构建，务必单独成段呈现
• 系统补齐 LLM 安全知识体系：OWASP LLM Top 10、提示词注入与越狱的攻防手法、Agent 工具调用风险模型
• 熟悉主流 Agent 框架源码与 CodeAct 类执行范式，能动手复现典型攻击并给出防御方案

面试指南

• 采用“威胁建模—方案设计—实验验证—工程落地”的结构作答，先讲清风险边界再谈方法，最后用数据说明效果
• 回答攻防类问题时给出对手视角：攻击者能拿到什么、绕过成本多高，再说明你的防御如何抬高攻击成本
• 涉及工程落地时，主动说明在延迟、召回率、误报率上的取舍与实测结果
• 请描述一个你实际做过的 AI Agent 项目，它的工具调用与记忆机制如何设计，存在哪些安全风险？
• 针对提示词注入或越狱攻击，你会如何设计一套可量化的检测与防御方案？
• 如何构建自动化的 Agent 红队系统？怎样评估攻击覆盖度与防御有效性？
• 在多步推理场景下，幻觉执行和数据泄露该如何从架构层面抑制？
• 安全防御往往带来性能损耗，你会如何平衡准确率与响应性能？