阿里巴巴
研究型实习生-网络安全大模型算法
研究型实习生-网络安全大模型算法
发布于 大约 14 小时前实习/见习
北京市 / 杭州市
无经验要求
实习生
仅现场办公
硕士
机器学习工程
Agentic Rl
Deepspeed
Llm
Megatron
Pytorch
Vlm
代码安全
漏洞挖掘
网络安全
AI 估算 · 0k–1k
实习岗位，日薪范围300-500元，符合大厂研究型实习生标准。
职位详情
关于这个职位
这是一个面向网络安全领域的大模型算法研究实习岗位，由阿里巴巴提供，地点在北京或杭州
你将参与构建网络安全大模型，探索代码安全智能、攻击模拟、模型压缩等前沿方向，并有机会在顶级学术会议发表论文
适合对AI与安全交叉领域有浓厚兴趣的硕博在读学生
最低要求
计算机科学、信息安全、人工智能或相关专业硕士/博士在读，具备扎实的机器学习与深度学习基础
熟悉大语言模型（LLM）与多模态大模型（VLM）的主流架构、改进方案及预训练、SFT、GRPO、PPO、Agentic RL 等训练范式，并有实际项目或研究经历
拥有网络安全领域知识基础，了解常见攻击手法、防御机制、日志分析或漏洞原理
具备良好的编程能力（Python 为主），熟悉 PyTorch/TensorFlow 等主流框架，并能熟练使用 DeepSpeed/Megatron 及其变体进行大规模 LLM 训练调优
具备较强科研素养，能独立阅读论文、复现算法并设计严谨对比实验
对代码智能、漏洞挖掘、攻防对抗等方向有浓厚兴趣
工作职责
代码安全智能：研究自然语言与编程语言跨模态对齐机制，探索面向项目级代码漏洞发现、修复、程序逆向、二进制分析等任务的长上下文代码理解与生成模型
Cyber Attack Simulation 研究：构建面向渗透测试、红蓝对抗、漏洞利用链生成的攻击模拟智能体，探索基于 Agentic RL 的多步攻防策略学习与泛化机制
安全大模型极致压缩研究：探索以远小于闭源 SOTA 模型的参数规模，在安全垂直领域达到同等甚至更优的任务效果
研究方向包括但不限于：高质量安全领域数据配比与课程学习策略、领域知识高效注入与持续预训练、小模型在代码漏洞检测、威胁情报理解、自动化渗透等安全任务上的能力逼近与超越机制，以及面向安全场景的模型效率-性能 Pareto 前沿探索，最终实现以极小模型尺寸支撑生产级安全能力部署
安全领域大模型全流程训练：参与预训练、SFT、GRPO/PPO 及结合 Fuzz、反编译、漏扫等安全工具的 Agentic RL 训练，推动数据 Scaling、训练策略制定与性能优化
学术与工程双产出：将研究成果反哺至基模，提升其在漏洞识别、威胁情报提取、敏感数据检测、自动化渗透等场景中的实际能力，目标产出高质量学术论文（CVPR、ICML、ICLR、ACL、NeurIPS、IEEE S&P、USENIX Security、CCS、NDSS 等顶会）并推动技术落地
优先资格
在 CyberGym、ExploitBench、SecCodeBench、SWE-Bench 等 Cyber/Code Bench 上有过大模型训练或评测实践经历
有代码大模型训练经验，或在软工领域（如 SWE-Bench、Repo-level Code Repair）有 Agentic RL 相关研究/工程经验
熟悉逆向工程、二进制分析或程序静态/动态分析工具（如 IDA、Ghidra、Frida、angr 等）
具备 CTF 竞赛、漏洞挖掘（CVE 提交）、自动化渗透测试、红蓝对抗实战经验
在 NeurIPS、ICML、ICLR、ACL、CVPR、IEEE S&P、USENIX Security、CCS、NDSS 等 AI/Security 顶会以主要作者身份发表过论文
有安全领域通用智能体、AI 自动化攻防系统相关项目经历，或对"图生图"、"图生文"、"推理增强"、"NL-PL 对齐"等前沿方向有深入思考与实践
AI 洞察
优缺点分析
优点
- 阿里巴巴平台资源丰富，数据、算力、业务场景优势明显
- 有机会在顶级会议发表论文，学术与工程双产出
- 团队氛围好，与正岗研发团队紧密合作，学习机会多
- 研究方向难度高，需要较强的算法基础和科研能力
- 实习期间需要兼顾研究与工程实现，工作强度可能较大
- 适合对 AI 与安全交叉领域有浓厚兴趣，具备扎实算法基础和科研潜力的硕博在读学生
缺点 / 挑战
- 参与前沿 AI for Security 研究，技术挑战性高，成长空间大
- 竞争激烈，对候选人的综合能力要求较高
角色解读
- 在 AI for Security 领域积累前沿研究经验，成为该领域的专家
- 有机会在顶级会议发表论文，提升学术影响力
- 表现优秀者可获得转正机会，加入阿里巴巴核心安全团队
- 研究并开发网络安全大模型，聚焦代码安全智能、攻击模拟、模型压缩等前沿方向
- 参与大模型全流程训练，包括预训练、SFT、GRPO/PPO 及 Agentic RL，并优化模型性能
- 将研究成果转化为实际安全能力，并产出高质量学术论文
- 扎实的机器学习与深度学习基础，熟悉 LLM/VLM 架构及训练范式
- 熟练掌握 Python 和 PyTorch/TensorFlow，了解 DeepSpeed/Megatron 等大规模训练工具
- 具备网络安全领域知识，了解常见攻击手法和漏洞原理
- 具备科研素养，能独立阅读论文、复现算法并设计实验
申请策略
- 在简历中明确表达对 AI 与安全结合的兴趣和思考
- 关注阿里巴巴安全团队的公开技术分享和论文，了解其研究方向
- 突出 LLM/VLM 相关项目经验，特别是预训练、SFT、RL 等训练实践
- 强调网络安全相关背景，如 CTF 竞赛、漏洞挖掘、渗透测试等
- 展示科研能力，如发表的论文、复现的算法、设计的实验
- 体现工程能力，如使用 PyTorch、DeepSpeed 等工具进行大规模训练
- 提前了解 Agentic RL 和代码大模型的相关知识
- 熟悉网络安全工具，如 IDA、Ghidra、Frida 等
面试指南
- 回答项目经验时，采用 STAR 法则，突出你的贡献和成果
- 回答技术理解问题时，先阐述基本概念，再结合实际案例说明应用
- 回答未来趋势问题时，结合行业现状，提出自己的见解和思考
- 请介绍你参与过的一个大模型训练项目，包括数据、模型、训练策略等
- 你如何理解 Agentic RL？它在网络安全攻防中有什么应用？
- 请谈谈你对代码安全智能的理解，以及如何利用大模型进行漏洞挖掘
- 你有哪些网络安全相关的实践经验？
- 你如何看待大模型在安全领域的挑战和未来趋势？
职位点评
75
综合评分
大厂核心安全团队，前沿技术研究，学术与工程双产出，但需现场办公。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
该职位最适合追求技术前沿、渴望在 AI 与安全领域深耕的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利50
成长发展95
工作生活60
使命价值80
薪资福利
50较低
实习岗位薪资为市场水准，但阿里巴巴平台提供完善的福利和保障，对补偿性动机有一定满足。
薪资信号未披露（AI估算：0K-0K/月）
成长发展
95较高
该职位提供前沿技术研究机会，参与核心项目，并有顶会论文产出，对发展性动机满足程度极高。
技术前沿前沿/新兴技术
技术栈LLM、VLM、Agentic RL、网络安全、代码安全、漏洞挖掘、逆向工程、PyTorch、DeepSpeed、Megatron
成长机会学术与工程双产出、高质量学术论文、技术落地
业务类型profit_center
工作生活
60中等
实习岗位通常需要现场办公，但阿里巴巴提供相对灵活的工作环境，对生活化动机有一定满足。
工作模式仅现场办公
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
该职位致力于解决网络安全难题，提升攻防能力，具有较高的社会价值和使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号构筑核心技术壁垒、学术与行业影响力
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs