集团安全部-大模型算法专家-杭州

优缺点分析

角色解读

• 在技术深度上，可以成为大模型安全、风控算法领域的顶尖专家
• 在业务广度上，可以横向扩展到集团内更多业务线的安全风控体系建设
• 在管理路径上，可以成长为带领算法团队的技术Leader或管理者
• 负责集团业务场景下千亿级流量的攻击流量识别与人机识别算法研究，保障业务安全
• 利用大模型（LLM）对海量流量和审计数据进行分析，提升大模型在流量识别场景下的归因与分析能力
• 搭建端云协同的风控模型系统，提升对异常流量的防控能力
• 跟踪风控领域前沿技术，结合多模态数据进行原型系统的研发和验证
• 扎实的深度学习算法基础，熟悉时间序列信号预测、对抗学习、强化学习中的一种或多种
• 具备大模型（LLM）相关基础，有RL、SFT实践经验者优先
• 有风控、反作弊、对抗学习项目经验者优先，有端云协同项目经验者优先
• 具备优秀的编程能力，熟悉Python及主流深度学习框架（如TensorFlow、PyTorch）

申请策略

• 在投递时，可以针对岗位要求，准备一份关于风控算法或大模型应用的详细技术方案
• 了解阿里巴巴安全部的技术文化和业务方向，在面试中展现对业务的思考
• 突出在大模型（LLM）、对抗学习、强化学习等领域的项目经验和成果
• 强调在风控、反作弊、流量识别等业务场景下的落地案例和业务价值
• 展示在顶级会议或期刊发表论文、开源项目贡献等学术和社区影响力
• 深入理解大模型（LLM）的底层原理，并掌握RL、SFT等微调技术
• 补充端云协同、多模态数据处理等相关技术知识
• 关注风控领域的最新学术论文和技术动态

面试指南

• 回答项目经验时，可以遵循STAR原则，清晰阐述项目背景、目标、你的具体行动和最终成果
• 回答技术问题时，可以结合具体案例，从问题定义、技术选型、方案设计到效果评估，展示你的思考过程
• 请详细介绍一下你在风控或反作弊项目中，如何设计算法模型来识别异常流量？
• 你如何理解大模型在流量识别和归因分析中的应用？请举例说明
• 在端云协同的场景下，如何设计一个风控模型系统？
• 请谈谈你对对抗样本攻击和防御的理解，以及如何应用到风控场景？
• 复习深度学习、强化学习、对抗学习等核心算法知识
• 准备1-2个与风控、流量识别相关的项目案例，并深入思考其中的技术细节和业务价值