主分类：搜索推荐与业务决策算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "腾讯安全-流量风控高级算法工程师",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "CSIG",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "腾讯",
"company_industry": "互联网 / 科技 / 人工智能",
"company_size": "10000人以上",
"company_website": "tencent.com",
"company_description": "腾讯是一家互联网和科技公司，业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 5,
"degree": "计算机、数学、统计学、人工智能等相关专业硕士及以上学历优先（本科需具备突出项目背书）",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.风险识别模型研发：面向注册登录、营销反作弊、爬虫机刷、账号盗用等流量场景，构建有监督 / 半监督 / 无监督融合的风险识别模型，在高精准与高召回的双约束下完成实时判定与分级处置。\n2.团伙与关联挖掘：基于设备、IP、邮箱、行为序列构建异构关联图，用 GNN、社区发现、稠密子图挖掘等手段识别规模化作弊团伙，从\"单点拦截\"升级为\"团伙定性\"。\n3.离线风险挖掘平台建设：搭建异常模式挖掘能力，通过聚类、离群检测、时序突变分析主动发现尚未被策略覆盖的新型攻击手法，缩短从\"黑产变招\"到\"策略上线\"的响应周期。\n4.策略与模型协同设计：与策略、运营共建黑白名单、频控、设备与 IP 画像分层的决策体系，量化每条规则的召回率与误伤率，持续做 A/B 与影子模式验证。\n5.算法工程化落地：推动模型在线化，负责特征实时计算、模型服务化、降级与灾备设计，保障风控链路的稳定性与低延迟。\n6.效果闭环与归因：建立漏杀 / 误杀双向归因机制，通过数据分析定位效果衰减根因并驱动模型迭代，输出可解释的风险举证。\n7.前沿技术探索：跟踪大模型、Agent、图表示学习、联邦学习等方向在风控场景的落地可行性，形成技术预研与业务转化。",
"requirements_text": "1.计算机、数学、统计学、人工智能等相关专业硕士及以上学历优先（本科需具备突出项目背书）；5 年以上算法经验，其中 3 年以上风控 / 反作弊方向。\n2.熟练掌握机器学习与深度学习原理，在树模型、异常检测、表示学习中至少一类有深度实践；理论功底扎实。\n3.精通 Python（或 Java / C++ 之一），熟悉 Hive、Spark、Flink 等大数据处理工具与 PyTorch / TensorFlow 框架，具备优秀的编码与数据结构算法功底。\n4.优秀的数据分析能力，能够从海量日志中理解作弊手法并抽取风险特征，而非仅做特征工程调参。\n5.在复杂业务场景下能分解与抽象问题，独立完成从问题定义 → 建模 → 上线 → 效果归因的全流程闭环。\n6.良好的沟通协作与抗压能力，能与产品、策略、运营、数据科学高效对齐。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Spark",
"Flink",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据结构",
"数据分析",
"分析能力",
"建模"
],
"preferred_qualifications": "1.有图算法 / 图神经网络在团伙挖掘中的实际落地经验；\n2.熟悉设备指纹（含反指纹与篡改检测）、IP 画像、号码风险等基础风控数据能力；\n3.有支付、社交、广告、电商任一领域大规模工业级风控系统设计经验；\n4.有从 0 到 1 搭建风控体系或算法团队的经验；\n5.有大模型 / Agent 在风险举证、策略生成、样本标注上的应用实践；\n6.Kaggle / 天池等竞赛优异成绩，或安全、数据挖掘方向顶会论文。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2099827030479777792"
}
]
},
"posting": {
"posting_id": "2099827030479777792",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2099827030479777792"
},
"fulltext": "腾讯安全-流量风控高级算法工程师\n相信你与所有腾讯安全人一样，都认为抵抗邪恶是一件极其热血的事。希望你与我们一起，守护用户的安全，守护产品的安全，守护科技向善的不变初心。\n1.风险识别模型研发：面向注册登录、营销反作弊、爬虫机刷、账号盗用等流量场景，构建有监督 / 半监督 / 无监督融合的风险识别模型，在高精准与高召回的双约束下完成实时判定与分级处置。\n2.团伙与关联挖掘：基于设备、IP、邮箱、行为序列构建异构关联图，用 GNN、社区发现、稠密子图挖掘等手段识别规模化作弊团伙，从\"单点拦截\"升级为\"团伙定性\"。\n3.离线风险挖掘平台建设：搭建异常模式挖掘能力，通过聚类、离群检测、时序突变分析主动发现尚未被策略覆盖的新型攻击手法，缩短从\"黑产变招\"到\"策略上线\"的响应周期。\n4.策略与模型协同设计：与策略、运营共建黑白名单、频控、设备与 IP 画像分层的决策体系，量化每条规则的召回率与误伤率，持续做 A/B 与影子模式验证。\n5.算法工程化落地：推动模型在线化，负责特征实时计算、模型服务化、降级与灾备设计，保障风控链路的稳定性与低延迟。\n6.效果闭环与归因：建立漏杀 / 误杀双向归因机制，通过数据分析定位效果衰减根因并驱动模型迭代，输出可解释的风险举证。\n7.前沿技术探索：跟踪大模型、Agent、图表示学习、联邦学习等方向在风控场景的落地可行性，形成技术预研与业务转化。\n1.计算机、数学、统计学、人工智能等相关专业硕士及以上学历优先（本科需具备突出项目背书）；5 年以上算法经验，其中 3 年以上风控 / 反作弊方向。\n2.熟练掌握机器学习与深度学习原理，在树模型、异常检测、表示学习中至少一类有深度实践；理论功底扎实。\n3.精通 Python（或 Java / C++ 之一），熟悉 Hive、Spark、Flink 等大数据处理工具与 PyTorch / TensorFlow 框架，具备优秀的编码与数据结构算法功底。\n4.优秀的数据分析能力，能够从海量日志中理解作弊手法并抽取风险特征，而非仅做特征工程调参。\n5.在复杂业务场景下能分解与抽象问题，独立完成从问题定义 → 建模 → 上线 → 效果归因的全流程闭环。\n6.良好的沟通协作与抗压能力，能与产品、策略、运营、数据科学高效对齐。\n1.有图算法 / 图神经网络在团伙挖掘中的实际落地经验；\n2.熟悉设备指纹（含反指纹与篡改检测）、IP 画像、号码风险等基础风控数据能力；\n3.有支付、社交、广告、电商任一领域大规模工业级风控系统设计经验；\n4.有从 0 到 1 搭建风控体系或算法团队的经验；\n5.有大模型 / Agent 在风险举证、策略生成、样本标注上的应用实践；\n6.Kaggle / 天池等竞赛优异成绩，或安全、数据挖掘方向顶会论文。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}