小米
AI红队安全专家
AI红队安全专家
发布于 大约 2 小时前普通员工/个人贡献者
武汉市 / 北京市
高级经验
全职员工
仅现场办公
学历未注明
网络安全
Ai Agent
Ai安全
Fuzzing
模型安全
渗透测试
漏洞挖掘
红队
自动化
AI 估算 · 25k–50k
AI安全方向人才稀缺，小米大厂平台，3年以上经验，薪资具有市场竞争力。
职位详情
关于这个职位
该职位是小米AI红队安全专家，负责构建AI驱动的自动化安全测试体系，实现从漏洞发现到验证的全流程自动化调度
您将设计AI安全基准测试框架，搭建AI攻防对抗平台，推动安全测试从人工审计向Agent自主攻防演进
适合具备3年以上安全研究经验、精通二进制漏洞或渗透测试，并希望在AI安全前沿领域深入发展的技术专家
最低要求
年以上安全研究经验，至少精通以下方向之一：a) 二进制漏洞挖掘与利用（操作系统/浏览器/移动端）
b) 渗透测试与红队评估
c) Fuzzing 工程（AFL/LibFuzzer/syzkaller 等）
熟练掌握 Python/C/C++ 中至少两门，具备独立开发安全工具和自动化框架的工程能力
有 AI 结合安全研究的实践经验（如使用 LLM 进行漏洞挖掘、Exploit 生成、代码审计等）
理解 AI Agent 核心机制（Tool Use、上下文管理、多步推理编排），有 Agent 应用开发或集成经验
工作职责
构建 AI Agent 驱动的自动化安全测试体系，集成代码审计、逆向调试、Fuzzing、渗透测试等工具链，实现从漏洞发现到验证的全流程自动化调度
设计 AI 安全能力基准测试框架，建立可重复、可量化的模型攻防能力评估流程（覆盖漏洞发现率、利用成功率、误报率等核心指标）
搭建 AI vs AI 自动化攻防对抗平台，推动安全测试从人工审计向 Agent 自主攻防演进
基于评测数据驱动安全能力优化，与模型团队协作建立"评测-反馈-训练"闭环迭代机制
优先资格
有 CVE 编号、安全竞赛获奖、厂商漏洞赏金或名人堂记录
参与过模型安全评测、红队测试或安全微调数据集构建
熟悉 CodeQL / Semgrep / Joern 等静态分析工具
有大型开源项目（Linux 内核/Chromium/Android）的安全研究经历
活跃于安全社区，有技术博客、开源工具或会议演讲
AI 洞察
优缺点分析
优点
- 前沿技术方向：AI安全是当前热门领域，技能积累具有高价值
- 大厂平台：小米提供丰富的资源和场景，有机会接触到大规模AI系统
- 技术壁垒高：需要同时掌握传统安全（漏洞挖掘、Fuzzing）和AI（LLM、Agent）双重技能
- 工作强度可能较大：自动化体系建设和攻防对抗需要持续投入，节奏较快
缺点 / 挑战
- 自动化创新：推动安全测试从人工向Agent自主攻防演进，工作内容富有挑战和成就感
- 适合有扎实安全研究基础，同时对AI技术充满热情、愿意挑战前沿交叉领域的技术专家
角色解读
- 在AI安全领域深耕，成为AI红队专家或安全架构师
- 向安全研究与AI交叉方向拓展，参与前沿模型安全论文或开源项目
- 可转向安全团队管理岗，带领AI安全团队或攻防实验室
- 构建AI驱动的自动化安全测试体系，集成多种工具链实现漏洞发现到验证的全流程自动化
- 设计AI安全能力基准测试框架，量化评估模型攻防能力，覆盖漏洞发现率、利用成功率等核心指标
- 搭建AI vs AI攻防对抗平台，推动安全测试从人工审计向Agent自主攻防演进
- 基于评测数据驱动安全能力优化，与模型团队协作建立闭环迭代机制
- 精通安全研究，至少擅长二进制漏洞挖掘、渗透测试或Fuzzing工程之一
- 熟练使用Python和C/C++，具备独立开发安全工具和自动化框架的工程能力
- 有AI结合安全研究的实践经验，如使用LLM进行漏洞挖掘、Exploit生成等
- 理解AI Agent核心机制，有Agent应用开发或集成经验
申请策略
- 关注小米AI产品的安全需求，了解其业务方向（如IoT、手机、汽车AI等），在面试中体现针对性
- 准备一个完整的AI安全自动化项目案例，展示从设计到落地的能力
- 突出安全研究项目经验，尤其是二进制漏洞、渗透测试或Fuzzing的实际成果
- 展示AI与安全结合的项目，如使用LLM辅助漏洞挖掘、自动化工具开发等
- 列出CVE编号、安全竞赛获奖、漏洞赏金或社区贡献，增强说服力
- 深入学习AI Agent框架（如LangChain、AutoGPT等），并尝试集成安全工具
- 熟悉静态分析工具CodeQL/Semgrep，并实践在漏洞挖掘中的应用
面试指南
- 对于项目描述类问题，采用STAR法则：背景、任务、行动、结果，突出技术难点和量化成果
- 对于设计类问题，先明确目标和约束，再分步骤给出方案，体现系统化思维
- 对于技术原理类问题，先定义核心概念，再结合实际应用场景解释
- 请描述一个你使用AI辅助进行漏洞挖掘或渗透测试的项目经历
- 如何设计一个可量化的AI模型安全评测框架？你会考虑哪些指标？
- 解释AI Agent中的Tool Use机制，并举例说明如何在安全测试中应用
- 你如何评估一个Fuzzing工具的效果？有哪些关键指标？
- 如果有多个漏洞需要自动化验证，你会怎么设计调度系统？
职位点评
67
综合评分
AI安全前沿岗位，技术成长空间大，薪资竞争力强，但工作地点固定且可能强度较高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长、愿意在AI安全前沿深耕的求职者，对工作生活平衡要求不高者更佳。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活40
使命价值65
薪资福利
70中等
小米为上市大厂，薪资福利有竞争力，但JD未提及具体薪资和福利细节，补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：25K-50K/月）
成长发展
85较高
该职位处于AI安全前沿，技术栈新，成长空间大，有利于技能积累和职业发展。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、Fuzzing、自动化、模型安全
成长机会自动化、评测-反馈-训练闭环
业务类型ambiguous
工作生活
40较低
工作地点为武汉或北京，要求现场办公，JD未提及弹性工作或远程，生活化动机满足程度较低。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
AI安全对数字世界安全有积极意义，但JD未强调社会价值，意义感中等。
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