账号安全算法工程师

优缺点分析

角色解读

• 从初级算法工程师成长为风控算法专家，深入理解业务黑产对抗与复杂场景建模
• 未来可向风控算法架构师或安全团队技术管理方向发展，主导全局安全策略设计
• 负责滴滴出行司机和乘客端的账号安全管控，覆盖账号全生命周期的风险识别与治理
• 利用算法挖掘技术识别账号盗用、刷分、黑产等风险，搭建风险感知与预警体系
• 支撑风控特征工程体系搭建与模型研发迭代，实现风险的提前发现与快速闭环处置
• 熟练掌握 C++/Java/Python 及 SQL/HQL 等大数据处理技术，具备亿级数据处理能力
• 精通机器学习、深度学习、图计算及聚类/社区挖掘等算法，并能应用于风控业务
• 具备大模型 LLM、Agent 相关技术认知或落地经验，了解前沿安全对抗技术

申请策略

• 了解网约车/出行行业的典型风控场景（如刷单、薅羊毛、账号盗用），在面试中展现对业务痛点的深刻理解
• 突出在机器学习、图计算或大模型在风控场景的落地经验，强调实际业务收益
• 强调处理亿级海量数据的工程能力（如 Spark/Flink）及黑产对抗实战成果
• 深入学习图神经网络（GNN）在账号关联挖掘中的应用，以及 LLM 在安全场景的 Agent 落地实践
• 复习并巩固大规模分布式计算框架的底层原理与性能调优技巧

面试指南

• 采用 STAR 法则，结合具体业务场景说明问题背景、技术方案（如特征工程、模型选择）、落地效果及业务收益
• 对于开放性问题，从技术可行性、业务价值、成本收益三个维度展开，展现全局思考能力
• 如何处理亿级账号数据中的异常关联挖掘？
• 在账号黑产对抗中，如何平衡模型的召回率和误杀率？
• 请分享一个你利用图计算或深度学习解决风控问题的实际案例
• 大模型（LLM）在账号安全风控中有哪些潜在的应用场景？
• 复习图计算、社区挖掘及深度学习在风控中的应用原理，准备应对底层技术细节追问
• 准备 1-2 个深度参与的黑产对抗或反作弊项目，详细梳理技术细节与业务指标提升