{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "集团安全部-网络安全大模型算法专家-北京/杭州",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "算法研发"AI生成
    },
    "company": {
        "company_name": "阿里巴巴控股集团",
        "company_industry": "电子商务 / 云计算 / 人工智能",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "计算机、信息安全、人工智能或相关专业硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 参与构建面向阿里集团海量安全业务的网络安全大模型，系统性突破在代码理解、漏洞挖掘、攻击模拟等高复杂度场景中的瓶颈；\n2. 负责高质量安全数据的构建，涵盖代码漏洞检测与修复、程序逆向与分析、安全领域工具（包括但不限于Fuzz、反编译、漏扫等）等多样化安全数据的加工处理和合成优化；\n3. 开展大模型全流程训练工作，包括预训练、SFT、Agentic RL等；\n4. 针对经典且依赖安全专家经验的的安全任务（如渗透测试、二进制代码分析、红蓝对抗策略生成、项目级代码漏洞发现与修复等）优化模型能力，提升其在真实攻防场景中的模型性能与鲁棒性；\n5. 探索大模型在代码安全、漏洞挖掘、逆向工程、数据安全、流量防护等方向的应用，并推动技术成果落地与学术发表。",
        "requirements_text": "1. 计算机、信息安全、人工智能或相关专业硕士及以上学历； \n2. 具备扎实的大模型基础知识和训练经验，熟悉大模型的模型架构和改进方案，熟悉预训练、SFT、GRPO、PPO、Agentic RL 等主流训练范式，并有实际项目或研究经历； \n3. 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； \n4. 动手能力强，熟练掌握基于 DeepSpeed/Megatron 的各种训练框架变体，具备大规模LLM训练调优能力； \n5. 在AI或网络安全方向有科研产出，以主要作者身份在 NeurIPS、ICML、ICLR、ACL、IEEE S&P、USENIX Security、CCS、NDSS 等顶会发表过论文者优先。\n加分项：\n1. 熟悉并在 CyberGym、SecCodeBench 等Cyber Bench上有过大模型训练实践经历；\n2. 有代码大模型训练经验、有软工领域例如面向SWE-Bench的Agentic RL经验；\n3. 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）；\n4. 具备 CTF 竞赛、漏洞挖掘（CVE 提交）、自动化渗透测试或红蓝对抗实战经验；\n5. 有安全领域通用智能体、AI 自动化攻防系统相关项目经历。\n我们期待的你： \n热爱技术，兼具 AI 与安全的跨界视野； \n既能沉心钻研前沿算法，也能动手解决真实安全问题； \n追求卓越，敢于挑战“AI+安全”融合中的硬核难题； \n乐于协作，愿与团队共同打造下一代智能安全核心大脑。",
        "skills": [AI生成
            "模型训练",
            "大语言模型",
            "智能体开发"
        ],
        "preferred_qualifications": "5. 在AI或网络安全方向有科研产出，以主要作者身份在 NeurIPS、ICML、ICLR、ACL、IEEE S&P、USENIX Security、CCS、NDSS 等顶会发表过论文者优先；加分项：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100007540004"
            }
        ]
    },
    "posting": {
        "posting_id": "100007540004",
        "post_date": "2026-08-26",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100007540004"
    },
    "fulltext": "集团安全部-网络安全大模型算法专家-北京/杭州\n集团安全部-网络安全大模型算法专家-北京/杭州\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n1. 参与构建面向阿里集团海量安全业务的网络安全大模型，系统性突破在代码理解、漏洞挖掘、攻击模拟等高复杂度场景中的瓶颈；\n2. 负责高质量安全数据的构建，涵盖代码漏洞检测与修复、程序逆向与分析、安全领域工具（包括但不限于Fuzz、反编译、漏扫等）等多样化安全数据的加工处理和合成优化；\n3. 开展大模型全流程训练工作，包括预训练、SFT、Agentic RL等；\n4. 针对经典且依赖安全专家经验的的安全任务（如渗透测试、二进制代码分析、红蓝对抗策略生成、项目级代码漏洞发现与修复等）优化模型能力，提升其在真实攻防场景中的模型性能与鲁棒性；\n5. 探索大模型在代码安全、漏洞挖掘、逆向工程、数据安全、流量防护等方向的应用，并推动技术成果落地与学术发表。\n\n职位要求\n1. 计算机、信息安全、人工智能或相关专业硕士及以上学历； \n2. 具备扎实的大模型基础知识和训练经验，熟悉大模型的模型架构和改进方案，熟悉预训练、SFT、GRPO、PPO、Agentic RL 等主流训练范式，并有实际项目或研究经历； \n3. 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； \n4. 动手能力强，熟练掌握基于 DeepSpeed/Megatron 的各种训练框架变体，具备大规模LLM训练调优能力； \n5. 在AI或网络安全方向有科研产出，以主要作者身份在 NeurIPS、ICML、ICLR、ACL、IEEE S&P、USENIX Security、CCS、NDSS 等顶会发表过论文者优先。\n加分项：\n1. 熟悉并在 CyberGym、SecCodeBench 等Cyber Bench上有过大模型训练实践经历；\n2. 有代码大模型训练经验、有软工领域例如面向SWE-Bench的Agentic RL经验；\n3. 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）；\n4. 具备 CTF 竞赛、漏洞挖掘（CVE 提交）、自动化渗透测试或红蓝对抗实战经验；\n5. 有安全领域通用智能体、AI 自动化攻防系统相关项目经历。\n我们期待的你： \n热爱技术，兼具 AI 与安全的跨界视野； \n既能沉心钻研前沿算法，也能动手解决真实安全问题； \n追求卓越，敢于挑战“AI+安全”融合中的硬核难题； \n乐于协作，愿与团队共同打造下一代智能安全核心大脑。\n1. 参与构建面向阿里集团海量安全业务的网络安全大模型，系统性突破在代码理解、漏洞挖掘、攻击模拟等高复杂度场景中的瓶颈；\n2. 负责高质量安全数据的构建，涵盖代码漏洞检测与修复、程序逆向与分析、安全领域工具（包括但不限于Fuzz、反编译、漏扫等）等多样化安全数据的加工处理和合成优化；\n3. 开展大模型全流程训练工作，包括预训练、SFT、Agentic RL等；\n4. 针对经典且依赖安全专家经验的的安全任务（如渗透测试、二进制代码分析、红蓝对抗策略生成、项目级代码漏洞发现与修复等）优化模型能力，提升其在真实攻防场景中的模型性能与鲁棒性；\n5. 探索大模型在代码安全、漏洞挖掘、逆向工程、数据安全、流量防护等方向的应用，并推动技术成果落地与学术发表。\n1. 计算机、信息安全、人工智能或相关专业硕士及以上学历； \n2. 具备扎实的大模型基础知识和训练经验，熟悉大模型的模型架构和改进方案，熟悉预训练、SFT、GRPO、PPO、Agentic RL 等主流训练范式，并有实际项目或研究经历； \n3. 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； \n4. 动手能力强，熟练掌握基于 DeepSpeed/Megatron 的各种训练框架变体，具备大规模LLM训练调优能力； \n5. 在AI或网络安全方向有科研产出，以主要作者身份在 NeurIPS、ICML、ICLR、ACL、IEEE S&P、USENIX Security、CCS、NDSS 等顶会发表过论文者优先。\n加分项：\n1. 熟悉并在 CyberGym、SecCodeBench 等Cyber Bench上有过大模型训练实践经历；\n2. 有代码大模型训练经验、有软工领域例如面向SWE-Bench的Agentic RL经验；\n3. 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）；\n4. 具备 CTF 竞赛、漏洞挖掘（CVE 提交）、自动化渗透测试或红蓝对抗实战经验；\n5. 有安全领域通用智能体、AI 自动化攻防系统相关项目经历。\n我们期待的你： \n热爱技术，兼具 AI 与安全的跨界视野； \n既能沉心钻研前沿算法，也能动手解决真实安全问题； \n追求卓越，敢于挑战“AI+安全”融合中的硬核难题； \n乐于协作，愿与团队共同打造下一代智能安全核心大脑。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [
            "T023"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}