阿里巴巴
阿里云智能-AI安全研发专家-杭州/北京
阿里云智能-AI安全研发专家-杭州/北京
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
Ai安全
Go
Llm
Web安全
大语言模型
系统安全
红队测试
值不值得投
78综合评分
综合评分 78
核心AI安全专家岗，技术前沿且成长空间巨大，薪资竞争力强，但工作强度与挑战较高。
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。
薪资怎么样
4.5万
与信息安全中位数基本持平
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 3030 个在招 · 其中信息安全 42 个
市场机会
选择面较广
杭州 · 信息安全 · 82 个在招
职位详情
关于这个职位
该职位负责阿里云AI安全能力的研发与落地，围绕大语言模型及AI应用全生命周期构建一体化防护体系
你需要深入研究大模型安全风险，设计自动化检测与防御方案，并参与安全工具与平台的架构设计与核心代码开发，推动AI安全技术的工程化落地
最低要求
计算机科学或相关领域的本科及以上学历，3年以上安全研发或安全工程相关经验
必须熟悉大模型安全，深入理解LLM安全风险与防御机制，有AI安全相关的实际项目落地经验
在Web安全或系统安全方向至少其一具备深入理解和实战经验：
) Web安全方向：熟悉OWASP Top 10漏洞原理与防御方法，具备Web渗透测试、WAF规则开发、API安全防护、认证与授权体系设计等经验
) 系统安全方向：熟悉Linux内核机制、二进制分析、漏洞利用与防御技术，具备内核安全、驱动安全、TEE（可信执行环境）等方向的研发经验
具备扎实的研发能力，熟练掌握至少一种编程语言（如Python、Go、Java、C/C++等），能够独立完成安全工具与平台的设计、开发与维护，具备实际的代码产出能力，不接受纯安全运营或纯研究方向
具备良好的沟通能力与团队协作精神，能够高效推进跨团队项目，学习能力强，具有创新意识和工程思维，关注行业前沿技术趋势
工作职责
负责AI安全能力的研发与落地，围绕大语言模型（LLM）及AI应用全生命周期，构建覆盖训练数据安全、模型推理安全、应用部署安全的一体化防护体系
深入研究大模型安全风险，设计并实现自动化检测、防御与响应方案，保障AI应用在真实业务场景中的安全性
参与安全工具与平台的架构设计与核心代码开发，推动AI技术在漏洞挖掘、安全检测、威胁情报分析等场景中的工程化落地，提升安全平台的智能化水平
持续跟踪业界AI安全前沿动态，包括大模型安全对齐、AI红队测试、安全评测基准等技术方向，推动相关能力在业务中的落地与持续演进
优先资格
有数据安全、数据治理或大数据处理相关经验，熟悉数据脱敏、隐私计算、数据流转监控、数据分类分级等技术方向
在AI安全领域有学术论文发表、开源项目贡献或行业会议成果产出
具备AI红队测试（Red Teaming）或大模型安全评测的实战经验，熟悉主流安全评测框架与方法论
有云原生安全架构设计经验，熟悉容器化、微服务环境下的安全防护方案与DevSecOps实践
有安全攻防竞赛（如CTF、DEF CON等）获奖经历，或在工业界安全攻防演练中有突出表现
AI 洞察
优缺点分析
优点
- 处于AI与大模型安全这一极具前景的前沿赛道，技术壁垒高，个人核心竞争力强
- 岗位要求兼具安全攻防深度与底层代码研发能力，对复合型技术能力要求极高
- 适合具备扎实安全攻防底子、热爱代码开发，且对大模型技术有浓厚兴趣的复合型安全研发人才
缺点 / 挑战
- 依托庞大的业务场景和算力资源，能够接触到业界最顶尖的大模型安全挑战与海量数据
- AI安全属于快速演进的新兴领域，需要持续追踪最新的大模型攻击手法与防御技术，学习压力较大
角色解读
- 纵向可发展为AI安全领域的资深技术专家或首席科学家，引领大模型安全对齐与红队测试等前沿方向
- 横向可转型为安全架构师或安全团队技术负责人，统筹云原生及AI业务线的整体安全战略
- 负责大语言模型及AI应用全生命周期的安全能力建设，构建训练、推理、部署的一体化防护体系
- 研发自动化安全检测与防御工具，将AI技术应用于漏洞挖掘和威胁情报分析，提升安全平台智能化水平
- 深入理解LLM安全风险与防御机制，具备AI安全实际项目落地经验
- 在Web安全或系统安全（如Linux内核、二进制分析）有深厚实战经验，并具备扎实的代码开发能力
申请策略
- 准备好过往主导的安全工具架构设计图或开源项目链接，以证明实际的代码产出能力
- 重点突出在大模型安全、AI红队测试或安全评测方面的实际项目落地经验与成果
- 展示在Web安全或系统安全方向的深度实战案例，以及独立开发安全工具/平台的代码产出能力
- 提前熟悉主流大模型安全评测框架（如OWASP LLM Top 10）及红队测试方法论
- 补充云原生安全或隐私计算相关知识，以契合加分项中的业务需求
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、具体行动（突出代码实现与架构设计）和最终业务收益
- 原理+实践+演进：回答技术问题时，先讲透底层原理，再结合实际业务场景，最后提出未来的优化演进思路
- 请详细描述一个你主导的大模型安全防御或AI红队测试项目，遇到了哪些挑战及如何解决？
- 针对LLM的提示词注入或数据投毒攻击，你在实际业务中是如何设计自动化检测与防御方案的？
- 在Web安全或系统安全方向，请分享一个你挖掘过的深层漏洞或开发过的底层安全防御机制
- 如何平衡安全检测的准确率与业务推理性能之间的关系？
- 复习大模型安全对齐、提示词注入、数据投毒等前沿攻击与防御理论，并准备对应的代码级防御方案
- 梳理自己过往开发的安全工具或平台的架构图，能够流畅讲解核心模块的设计思路与性能优化点
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
专家级岗位且AI安全属于高薪紧缺方向，薪资竞争力强，上市公司福利体系完善。
薪资信号偏高 (3千–6万/月)
成长发展
90较高
处于AI安全最前沿，接触大模型核心业务，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、AI安全、红队测试、大模型安全对齐、Python、Go、C/C++
成长机会持续跟踪业界AI安全前沿动态、推动相关能力在业务中的落地与持续演进
业务类型cost_center
工作生活
50较低
岗位涉及前沿安全攻防与核心代码开发，工作强度可能较大，JD未提及WLB相关信息。
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
80较高
保障AI应用与数据安全，具有极高的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号保障AI应用在真实业务场景中的安全性
创新程度开拓性创新（行业首创）
Watch Jobs