主分类：网络信息安全
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": "数据技术及产品部-大模型安全专家-AIData",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-数据"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、物理、数学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. 设计大模型推理（reasoning trace / CoT blob）的加密与隐私保护方案，覆盖密钥管理（per-user / per-session 密钥体系）、加密协议选型、防重放机制设计。\n2. 防御机制拆解： 跟踪国内外主流模型的安全策略，通过实验分析其在内容过滤、逻辑保护方面的实现路径。\n3. 安全围栏建设： 构建覆盖 Prompt Injection、Tool Abuse、模型滥用、越权访问、数据泄露等AI 风险的纵深防御能力\n4. 反蒸馏技术落地： 协助落地基础的防爬取、模型输出干扰等风控方案，保护公司模型资产。\n5. 跨团队协作： 与算法团队配合，将发现的安全漏洞转化为模型微调或强化学习的训练样本，并实验验证效果。\n6. 系统化：建设企业级安全风险感知体系，持续发现业务及 AI 系统安全风险。推动AI安全能力平台化、产品化，为AI开发提供统一、安全、易用的基础能力。",
"requirements_text": "1. 计算机、信息安全、物理、数学相关专业硕士及以上学历。\n2. 具备优秀的工程能力，熟悉至少一种主流开发语言（Go、Java、Python 等）。\n3. 扎实的密码学基础，熟悉对称/非对称加密、密钥管理体系、认证加密（AEAD）、以及侧信道攻击（长度、时序、缓存）的原理与防御。\n4. 熟悉 Web、移动端、服务端等应用安全体系和常见漏洞原理，具备扎实的安全基础和漏洞分析能力。\n5. 具备安全红队思维：能主动发现方案中的隐蔽泄露路径，构造 PoC 验证攻击可行性并量化影响。\n6. 对 AI 安全充满热情，乐于探索新的安全技术和工程实践。对AI在漏洞治理、风险分析的应用有浓厚兴趣。\n7. 加分项：了解 AI 安全与对齐相关议题，理解推理过程可见性对模型监督和可解释性研究的意义。",
"skills": [AI生成
"Python",
"Java",
"分析能力",
"Go"
],
"preferred_qualifications": "7. 加分项：了解 AI 安全与对齐相关议题，理解推理过程可见性对模型监督和可解释性研究的意义",
"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=100023880005"
}
]
},
"posting": {
"posting_id": "100023880005",
"post_date": "2026-09-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100023880005"
},
"fulltext": "数据技术及产品部-大模型安全专家-AIData\n数据技术及产品部-大模型安全专家-AIData\n\n基础信息\n职位类别：技术类-数据\n工作地点：杭州\n\n职位描述\n1. 设计大模型推理（reasoning trace / CoT blob）的加密与隐私保护方案，覆盖密钥管理（per-user / per-session 密钥体系）、加密协议选型、防重放机制设计。\n2. 防御机制拆解： 跟踪国内外主流模型的安全策略，通过实验分析其在内容过滤、逻辑保护方面的实现路径。\n3. 安全围栏建设： 构建覆盖 Prompt Injection、Tool Abuse、模型滥用、越权访问、数据泄露等AI 风险的纵深防御能力\n4. 反蒸馏技术落地： 协助落地基础的防爬取、模型输出干扰等风控方案，保护公司模型资产。\n5. 跨团队协作： 与算法团队配合，将发现的安全漏洞转化为模型微调或强化学习的训练样本，并实验验证效果。\n6. 系统化：建设企业级安全风险感知体系，持续发现业务及 AI 系统安全风险。推动AI安全能力平台化、产品化，为AI开发提供统一、安全、易用的基础能力。\n\n职位要求\n1. 计算机、信息安全、物理、数学相关专业硕士及以上学历。\n2. 具备优秀的工程能力，熟悉至少一种主流开发语言（Go、Java、Python 等）。\n3. 扎实的密码学基础，熟悉对称/非对称加密、密钥管理体系、认证加密（AEAD）、以及侧信道攻击（长度、时序、缓存）的原理与防御。\n4. 熟悉 Web、移动端、服务端等应用安全体系和常见漏洞原理，具备扎实的安全基础和漏洞分析能力。\n5. 具备安全红队思维：能主动发现方案中的隐蔽泄露路径，构造 PoC 验证攻击可行性并量化影响。\n6. 对 AI 安全充满热情，乐于探索新的安全技术和工程实践。对AI在漏洞治理、风险分析的应用有浓厚兴趣。\n7. 加分项：了解 AI 安全与对齐相关议题，理解推理过程可见性对模型监督和可解释性研究的意义。\n1. 设计大模型推理（reasoning trace / CoT blob）的加密与隐私保护方案，覆盖密钥管理（per-user / per-session 密钥体系）、加密协议选型、防重放机制设计。\n2. 防御机制拆解： 跟踪国内外主流模型的安全策略，通过实验分析其在内容过滤、逻辑保护方面的实现路径。\n3. 安全围栏建设： 构建覆盖 Prompt Injection、Tool Abuse、模型滥用、越权访问、数据泄露等AI 风险的纵深防御能力\n4. 反蒸馏技术落地： 协助落地基础的防爬取、模型输出干扰等风控方案，保护公司模型资产。\n5. 跨团队协作： 与算法团队配合，将发现的安全漏洞转化为模型微调或强化学习的训练样本，并实验验证效果。\n6. 系统化：建设企业级安全风险感知体系，持续发现业务及 AI 系统安全风险。推动AI安全能力平台化、产品化，为AI开发提供统一、安全、易用的基础能力。\n1. 计算机、信息安全、物理、数学相关专业硕士及以上学历。\n2. 具备优秀的工程能力，熟悉至少一种主流开发语言（Go、Java、Python 等）。\n3. 扎实的密码学基础，熟悉对称/非对称加密、密钥管理体系、认证加密（AEAD）、以及侧信道攻击（长度、时序、缓存）的原理与防御。\n4. 熟悉 Web、移动端、服务端等应用安全体系和常见漏洞原理，具备扎实的安全基础和漏洞分析能力。\n5. 具备安全红队思维：能主动发现方案中的隐蔽泄露路径，构造 PoC 验证攻击可行性并量化影响。\n6. 对 AI 安全充满热情，乐于探索新的安全技术和工程实践。对AI在漏洞治理、风险分析的应用有浓厚兴趣。\n7. 加分项：了解 AI 安全与对齐相关议题，理解推理过程可见性对模型监督和可解释性研究的意义。",
"standard_classification": {
"std_category_code": "T023",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}