阿里巴巴
数据技术及产品部-RL Data工程师-Work（网络安全 领域）
数据技术及产品部-RL Data工程师-Work（网络安全 领域）
发布于 大约 4 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Ctf
Llm
数据工程
数据标注
漏洞挖掘
网络安全
自动化测试
评测体系
值不值得投
78综合评分
综合评分 78
前沿AI安全领域的数据工程岗，技术成长性高，但办公与作息信息不明确。
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
30K
比数据工程中位数低
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 2480 个在招 · 其中数据工程 34 个
市场机会
选择面较广
杭州 · 数据工程 · 69 个在招
职位详情
关于这个职位
负责网络安全领域的数据工程师岗位
你需要将网络攻防、漏洞挖掘等专业场景进行结构化拆解，设计可验证的自动化任务，并组织管理内外部专家进行数据标注与验收，最终形成数据、模型、评测的闭环，驱动模型安全能力的提升
最低要求
具备网络安全系统性认知，在 CTF/漏洞挖掘/渗透/攻防中至少一个方向能做出准确的对错裁定
有团队管理或专家协作经验，能带 5~10 人规模的领域数据交付
有 AI/模型背景，能读懂模型 benchmark、定位能力短板并反推数据需求
熟悉可验证环境（Vulhub 类）与自动化造题思路，理解 CTF 六大题型的差异
Taxonomy 与 instance 设计能力，能独立完成从领域拆解到 instance 模板的完整链路
轻量工程能力：Python 脚本化处理数据、批量调用 LLM、读得懂 Agent 执行日志
具备闭环意识，把外部资源与内部标注拧成一条产线
工作职责
领域任务与数据构造设计：针对网络安全（CTF/漏洞挖掘/渗透测试/攻防对抗/安全对齐）做结构化拆解与任务设计，明确一级领域 → 二级场景 → 任务类型 → instance 模板，产出可复用的领域数据体系
数据来源与可验证环境组织：把可验证环境（Vulhub、CTF 靶场、开源渗透环境等）转化为可批量造题的数据来源
组织公开 writeup、漏洞库、专家标注等多路数据供给
Rubric 共建：与 Rubric 团队一起把网安的专业判断（漏洞是否成立、利用是否有效、防御是否闭环）拆成可自动化验证的评分规则，识别本领域 rubric 上的领先能力点
外部专家管理：分配任务、答疑、抽检验收，把控专家产能与交付质量
给出清晰的标注规范、边界案例与仲裁依据
数据 → 模型 → 评测 闭环：读得懂网安相关 benchmark 表现，定位模型能力短板并反推所需数据
周期性输出数据质量报告，驱动数据补充与评测修正
外部专家与高校合作：与高校课题组、领域专家协作定义验收标准、评审样本、迭代规范，把外部资源转化为规模化精标数据
AI 洞察
优缺点分析
优点
- 依托大平台资源，能接触到丰富的安全场景、顶尖的模型和充足的算力
- 工作涉及数据、模型、评测全链路，能培养系统性思维和闭环能力
- 对网络安全的专业深度要求很高，需要持续跟进攻防技术的最新发展
- 需要同时与技术专家、外部人员协作，对沟通和项目管理能力要求高
- 工作成果需与模型效果紧密挂钩，需要较强的分析和数据驱动思维
- 具备网络安全实战经验，同时对AI应用有浓厚兴趣，善于将专业知识体系化并推动落地的复合型技术人才
缺点 / 挑战
- 处于AI安全这一前沿交叉领域，技术挑战性强，能积累稀缺的复合型经验
角色解读
- 技术专家路线：深耕安全数据工程与评测体系，成为该领域的技术权威
- 管理路线：带领更大的团队，负责更复杂的安全数据平台或解决方案
- 跨界融合路线：向AI安全策略、安全产品经理或研究方向发展
- 设计和构建网络安全领域的结构化数据集，用于训练和评估AI模型
- 管理内外部标注专家团队，确保数据交付的质量与效率
- 分析模型在安全任务上的表现，通过数据驱动模型能力的持续提升
- 与高校和行业专家合作，将前沿安全知识转化为可规模化使用的数据资产
- 扎实的网络安全实战能力（如CTF、漏洞挖掘），能对攻防案例进行准确判断
- 具备AI/大模型基础知识，能理解模型评测指标并反向指导数据构建
- 优秀的项目与团队管理能力，能协调内外部资源完成复杂任务
- 熟练的Python编程能力，用于数据处理、脚本编写和工具调用
申请策略
- 仔细研究阿里巴巴在AI安全方面的公开动态和产品（如阿里云的安全产品）
- 准备一个你认为最经典的网络安全漏洞或CTF题目的深度分析案例，面试时可能会探讨
- 突出任何与CTF竞赛、漏洞挖掘、安全工具开发相关的项目或经历
- 展示利用Python进行数据处理、分析或自动化的具体案例
- 强调曾参与的团队协作、专家管理或复杂项目交付经验
- 如有AI/机器学习相关背景或项目，务必清晰阐述
- 深化对主流大模型安全评测基准（Benchmark）的了解
- 练习将非结构化的安全事件/漏洞描述，转化为结构化的任务模板
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化回答项目经历类问题
- 对于技术分析类问题，可先阐述你的分析框架（如：明确目标->拆解环节->定位问题->提出方案）
- 对于管理类问题，重点说明你的流程设计、质量控制机制和沟通方法
- 请描述一个你设计过的最复杂的CTF或漏洞验证环境，以及你是如何设计数据构造模板的？
- 如果一个模型在某个安全任务上表现不佳，你会如何分析并确定需要补充哪类数据？
- 你如何管理和验收一个5-10人的外部安全专家标注团队？遇到分歧或低质量产出时如何处理？
- 请解释Python在你以往工作中是如何帮助你提升数据工程效率的？
- 复习网络安全基础知识，特别是CTF常见题型（如Web、Pwn、Reverse、Crypto）和主流漏洞原理
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
该职位属于技术要求较高的岗位，通常能获得市场水准的薪酬回报，但JD未明确薪资范围。
薪资信号未披露（AI估算：20K-40K/月）
福利待遇五险一金、年终奖
成长发展
90较高
岗位直接接触AI安全前沿领域，技术栈新，且有明确的职业发展路径提及。
技术前沿前沿/新兴技术
技术栈网络安全、LLM、Python、自动化测试、评测体系
成长机会晋升通道
业务类型ambiguous
工作生活
50较低
工作地点为北京或杭州，办公模式未明确说明，通勤和工作强度取决于具体团队。
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
75中等
网络安全是重要的社会议题，岗位通过AI技术提升系统安全，具有一定社会价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs