{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "安全检测工程师（AI安全运营方向）-安全与风控",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "研发"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、检测规则与逻辑设计：设计和维护覆盖终端、身份、网络、云、邮件、SaaS、应用和数据访问场景的检测规则与检测逻辑，将攻击假设转化为可落地的detection package，包括数据源要求、检测逻辑、证据字段、误报边界、处置建议和测试样本；\n2、跨域关联与攻击路径检测：基于SIEM、EDR、NTA/NDR、Cloud Security、IAM、WAF、邮件安全等多源数据，建设跨域关联检测和攻击路径检测能力，提升对复杂攻击的发现能力；\n3、数据治理与告警运营：参与日志标准化、字段治理、数据质量监控、告警去重、聚合、抑制、富化流程设计，结合CTI、资产、身份、漏洞、业务标签和历史事件上下文，提高告警可解释性和有效案例转化率；\n4、检测质量与工程化：建立检测规则的测试、回放、灰度发布、效果评估和回归验证机制，推动Detection-as-Code和CI/CD检测发布流程，跟踪真实攻击、红队演练、事件复盘和误报反馈，持续优化检测覆盖和质量，输出检测工程文档、事件复盘结论、检测覆盖矩阵和运营指标，推动检测能力沉淀为团队资产；\n5、AI安全检测与运营协作：参与针对AI系统的新型检测场景建设，包括Prompt injection、RAG污染、Agent工具滥用、越权调用和敏感数据外泄等；与AIAgentic、SOC平台协作，设计适合LLM预研判的告警摘要、证据包、提示词、风险评分和人审边界，参与AI预研判效果的持续评估与负面案例分析。",
        "requirements_text": "1、具备3年以上安全运营、检测工程、威胁狩猎、SIEM内容开发、蓝队或安全数据分析经验；\n2、熟悉至少一种主流查询或检测语言，例如KQL、SPL、SQL、Sigma、YARA、EQL、Lucene等，具备基础数据工程意识，理解日志Schema、字段标准化、数据延迟、数据缺失、去重聚合和数据质量对检测效果的影响；\n3、理解常见攻击链和ATT&CK技术，包括身份攻击、横向移动、权限提升、命令执行、持久化、数据外传、云控制面滥用等，能够把攻击行为拆解为可观测信号，并判断所需日志、字段、上下文和检测边界；\n4、熟悉终端、身份、网络、云、邮件、Web、SaaS等至少两个以上安全数据域；\n5、熟悉检测生命周期管理，包括规则评审、版本控制、测试验证、上线发布、效果度量和持续优化，具备较强的误报分析、检测调优、证据链构建和事件研判能力；\n6、对AI在安全运营中的应用有理解，能够清楚区分AI预研判、自动化建议和高风险响应动作的人审边界。\n\n加分项\n1、有Detection-as-Code、Sigma规则库、SIEM内容工程化或CI/CD检测发布经验；\n2、有ClickHouse、Kafka、Elastic、Splunk、Sentinel、Chronicle、Snowflake等安全数据平台经验；\n3、有EDR、NDR、云安全平台告警调优或威胁狩猎经验；\n4、熟悉OpenCTI、MISP、TheHive、DFIR-IRIS、SOAR或案例management工作流；\n5、有LLM、RAG、Agent、MCP、AI应用安全或AI SOC相关实践经验；\n6、能用Python或其他脚本语言完成日志分析、检测测试、样本生成和自动化评估。",
        "skills": [AI生成
            "Python",
            "SQL",
            "ClickHouse",
            "Kafka",
            "数据分析",
            "检索增强生成"
        ],
        "preferred_qualifications": "加分项",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7659383608318740789/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7659383608318740789",
        "post_date": "2026-07-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7659383608318740789/detail"
    },
    "fulltext": "安全检测工程师（AI安全运营方向）-安全与风控\n职位描述\n1、检测规则与逻辑设计：设计和维护覆盖终端、身份、网络、云、邮件、SaaS、应用和数据访问场景的检测规则与检测逻辑，将攻击假设转化为可落地的detection package，包括数据源要求、检测逻辑、证据字段、误报边界、处置建议和测试样本；\n2、跨域关联与攻击路径检测：基于SIEM、EDR、NTA/NDR、Cloud Security、IAM、WAF、邮件安全等多源数据，建设跨域关联检测和攻击路径检测能力，提升对复杂攻击的发现能力；\n3、数据治理与告警运营：参与日志标准化、字段治理、数据质量监控、告警去重、聚合、抑制、富化流程设计，结合CTI、资产、身份、漏洞、业务标签和历史事件上下文，提高告警可解释性和有效案例转化率；\n4、检测质量与工程化：建立检测规则的测试、回放、灰度发布、效果评估和回归验证机制，推动Detection-as-Code和CI/CD检测发布流程，跟踪真实攻击、红队演练、事件复盘和误报反馈，持续优化检测覆盖和质量，输出检测工程文档、事件复盘结论、检测覆盖矩阵和运营指标，推动检测能力沉淀为团队资产；\n5、AI安全检测与运营协作：参与针对AI系统的新型检测场景建设，包括Prompt injection、RAG污染、Agent工具滥用、越权调用和敏感数据外泄等；与AIAgentic、SOC平台协作，设计适合LLM预研判的告警摘要、证据包、提示词、风险评分和人审边界，参与AI预研判效果的持续评估与负面案例分析。\n\n职位要求\n1、具备3年以上安全运营、检测工程、威胁狩猎、SIEM内容开发、蓝队或安全数据分析经验；\n2、熟悉至少一种主流查询或检测语言，例如KQL、SPL、SQL、Sigma、YARA、EQL、Lucene等，具备基础数据工程意识，理解日志Schema、字段标准化、数据延迟、数据缺失、去重聚合和数据质量对检测效果的影响；\n3、理解常见攻击链和ATT&CK技术，包括身份攻击、横向移动、权限提升、命令执行、持久化、数据外传、云控制面滥用等，能够把攻击行为拆解为可观测信号，并判断所需日志、字段、上下文和检测边界；\n4、熟悉终端、身份、网络、云、邮件、Web、SaaS等至少两个以上安全数据域；\n5、熟悉检测生命周期管理，包括规则评审、版本控制、测试验证、上线发布、效果度量和持续优化，具备较强的误报分析、检测调优、证据链构建和事件研判能力；\n6、对AI在安全运营中的应用有理解，能够清楚区分AI预研判、自动化建议和高风险响应动作的人审边界。\n\n加分项\n1、有Detection-as-Code、Sigma规则库、SIEM内容工程化或CI/CD检测发布经验；\n2、有ClickHouse、Kafka、Elastic、Splunk、Sentinel、Chronicle、Snowflake等安全数据平台经验；\n3、有EDR、NDR、云安全平台告警调优或威胁狩猎经验；\n4、熟悉OpenCTI、MISP、TheHive、DFIR-IRIS、SOAR或案例management工作流；\n5、有LLM、RAG、Agent、MCP、AI应用安全或AI SOC相关实践经验；\n6、能用Python或其他脚本语言完成日志分析、检测测试、样本生成和自动化评估。\n1、检测规则与逻辑设计：设计和维护覆盖终端、身份、网络、云、邮件、SaaS、应用和数据访问场景的检测规则与检测逻辑，将攻击假设转化为可落地的detection package，包括数据源要求、检测逻辑、证据字段、误报边界、处置建议和测试样本；\n2、跨域关联与攻击路径检测：基于SIEM、EDR、NTA/NDR、Cloud Security、IAM、WAF、邮件安全等多源数据，建设跨域关联检测和攻击路径检测能力，提升对复杂攻击的发现能力；\n3、数据治理与告警运营：参与日志标准化、字段治理、数据质量监控、告警去重、聚合、抑制、富化流程设计，结合CTI、资产、身份、漏洞、业务标签和历史事件上下文，提高告警可解释性和有效案例转化率；\n4、检测质量与工程化：建立检测规则的测试、回放、灰度发布、效果评估和回归验证机制，推动Detection-as-Code和CI/CD检测发布流程，跟踪真实攻击、红队演练、事件复盘和误报反馈，持续优化检测覆盖和质量，输出检测工程文档、事件复盘结论、检测覆盖矩阵和运营指标，推动检测能力沉淀为团队资产；\n5、AI安全检测与运营协作：参与针对AI系统的新型检测场景建设，包括Prompt injection、RAG污染、Agent工具滥用、越权调用和敏感数据外泄等；与AIAgentic、SOC平台协作，设计适合LLM预研判的告警摘要、证据包、提示词、风险评分和人审边界，参与AI预研判效果的持续评估与负面案例分析。\n1、具备3年以上安全运营、检测工程、威胁狩猎、SIEM内容开发、蓝队或安全数据分析经验；\n2、熟悉至少一种主流查询或检测语言，例如KQL、SPL、SQL、Sigma、YARA、EQL、Lucene等，具备基础数据工程意识，理解日志Schema、字段标准化、数据延迟、数据缺失、去重聚合和数据质量对检测效果的影响；\n3、理解常见攻击链和ATT&CK技术，包括身份攻击、横向移动、权限提升、命令执行、持久化、数据外传、云控制面滥用等，能够把攻击行为拆解为可观测信号，并判断所需日志、字段、上下文和检测边界；\n4、熟悉终端、身份、网络、云、邮件、Web、SaaS等至少两个以上安全数据域；\n5、熟悉检测生命周期管理，包括规则评审、版本控制、测试验证、上线发布、效果度量和持续优化，具备较强的误报分析、检测调优、证据链构建和事件研判能力；\n6、对AI在安全运营中的应用有理解，能够清楚区分AI预研判、自动化建议和高风险响应动作的人审边界。\n\n加分项\n1、有Detection-as-Code、Sigma规则库、SIEM内容工程化或CI/CD检测发布经验；\n2、有ClickHouse、Kafka、Elastic、Splunk、Sentinel、Chronicle、Snowflake等安全数据平台经验；\n3、有EDR、NDR、云安全平台告警调优或威胁狩猎经验；\n4、熟悉OpenCTI、MISP、TheHive、DFIR-IRIS、SOAR或案例management工作流；\n5、有LLM、RAG、Agent、MCP、AI应用安全或AI SOC相关实践经验；\n6、能用Python或其他脚本语言完成日志分析、检测测试、样本生成和自动化评估。",
    "standard_classification": {
        "std_category_code": "T023",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}