{
    "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-RL Data工程师-Work（网络安全 领域）",
        "job_level": "未披露",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": "产品"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": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 网络安全领域数据体系设计：针对 CTF、二进制漏洞挖掘、Web 渗透测试等方向做结构化拆解（考点分类、难度分级、任务原子化），设计可复用的任务模板与评测协议，基于外部搜集和自主设计，实现批量化和自动化构造靶机环境（Docker / QEMU / 云主机 / 隔离网络），最终沉淀标准化的领域数据资产。\n2. 大模型行为轨迹生产与激励标注：驱动大模型在靶机环境中执行任务，采集完整的推理与操作轨迹（Thought / Action / Observation），设计多阶段过程激励（Process Reward）与结果激励（Outcome Reward）标注方案，将轨迹转化为可用于 SFT / DPO / RLHF / RLAIF 的高质量训练数据，持续提升模型在真实攻防场景下的表现。\n3. 与模型团队协同推进：作为数据侧对接人与算法 / 模型团队深度协作，参与能力评测集设计、Bad Case 归因、数据配比与训练策略制定，推动网络安全大模型按节奏迭代，及时定位并解决数据、评测、训练环节的关键卡点，驱动数据补充与评测修正形成闭环。\n4. 外部专家与生态管理：与高校课题组、白帽社区、领域专家建立长期合作机制，负责需求定义、验收标准撰写、任务分发、结果评审与流程规范迭代，通过外部资源规模化供给精标数据，构建\"内部研发 + 外部众包\"的双轮驱动数据管线。",
        "requirements_text": "1. 日常能够使用大模型辅助解决安全问题，了解 Agent 开发与 Harness 工程，能把 LLM 稳定嵌入到漏洞研判、告警降噪、代码审计、渗透辅助等真实安全场景中。\n2. 具备扎实的工程开发经验，能通过工程设计（数据链路、任务编排、Agent 工作流、反馈闭环）系统性提升安全风险的发现概率与检出效率，用工程手段放大安全专家的经验。\n3. 至少具备以下至少一个安全领域的知识：\n● CTF 方向：能够独立设计与编写 CTF 题目（Web / Pwn / Reverse / Mobile 至少一个方向），熟练搭建靶机环境（Docker / QEMU / 云主机 / 隔离网络），理解出题意图、解题路径、非预期解规避与 Flag 校验机制，具备难度梯度与考点组合设计能力，有校赛 / 省赛 / DEFCON / 强网杯等出题或参赛经历者优先。\n● 二进制漏洞挖掘方向：了解浏览器（Chrome / V8 / WebKit / Firefox）、操作系统内核（Windows / Linux / macOS / Android / iOS）以及常见中间件与开源组件的漏洞成因与分析方法（源码审计、Fuzzing、Patch Diff、崩溃回溯、根因定位、可利用性评估），能够独立完成 PoC 编写与漏洞利用链构造，有 CVE / CNNVD 漏洞编号、厂商致谢、Pwn2Own / 天府杯 / GeekPwn 等赛事经历者优先。\n● Web 攻防渗透方向：熟悉常见的企业级网络环境与组件（AD 域、Exchange、OA、堡垒机、EDR、WAF、IDS/IPS、SIEM、零信任网关）、云服务架构（阿里云 / AWS / Azure / GCP 的 IAM、VPC、容器与 Serverless 组件、元数据服务、日志与审计体系）及对应的攻防手法（信息收集、初始访问、权限提升、横向移动、持久化、数据渗出、痕迹清理、C2 通信与免杀），能独立完成红队评估、蓝队溯源反制或紫队协同演练。",
        "skills": [AI生成
            "Linux",
            "Docker",
            "审计",
            "大语言模型"
        ],
        "preferred_qualifications": "● CTF 方向：能够独立设计与编写 CTF 题目（Web / Pwn / Reverse / Mobile 至少一个方向），熟练搭建靶机环境（Docker / QEMU / 云主机 / 隔离网络），理解出题意图、解题路径、非预期解规避与 Flag 校验机制，具备难度梯度与考点组合设计能力，有校赛 / 省赛 / DEFCON / 强网杯等出题或参赛经历者优先；● 二进制漏洞挖掘方向：了解浏览器（Chrome / V8 / WebKit / Firefox）、操作系统内核（Windows / Linux / macOS / Android / iOS）以及常见中间件与开源组件的漏洞成因与分析方法（源码审计、Fuzzing、Patch Diff、崩溃回溯、根因定位、可利用性评估），能够独立完成 PoC 编写与漏洞利用链构造，有 CVE / CNNVD 漏洞编号、厂商致谢、Pwn2Own / 天府杯 / GeekPwn 等赛事经历者优先",
        "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=100025100002"
            }
        ]
    },
    "posting": {
        "posting_id": "100025100002",
        "post_date": "2026-09-15",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100025100002"
    },
    "fulltext": "数据技术及产品部-RL Data工程师-Work（网络安全 领域）\n数据技术及产品部-RL Data工程师-Work（网络安全 领域）\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n1. 网络安全领域数据体系设计：针对 CTF、二进制漏洞挖掘、Web 渗透测试等方向做结构化拆解（考点分类、难度分级、任务原子化），设计可复用的任务模板与评测协议，基于外部搜集和自主设计，实现批量化和自动化构造靶机环境（Docker / QEMU / 云主机 / 隔离网络），最终沉淀标准化的领域数据资产。\n2. 大模型行为轨迹生产与激励标注：驱动大模型在靶机环境中执行任务，采集完整的推理与操作轨迹（Thought / Action / Observation），设计多阶段过程激励（Process Reward）与结果激励（Outcome Reward）标注方案，将轨迹转化为可用于 SFT / DPO / RLHF / RLAIF 的高质量训练数据，持续提升模型在真实攻防场景下的表现。\n3. 与模型团队协同推进：作为数据侧对接人与算法 / 模型团队深度协作，参与能力评测集设计、Bad Case 归因、数据配比与训练策略制定，推动网络安全大模型按节奏迭代，及时定位并解决数据、评测、训练环节的关键卡点，驱动数据补充与评测修正形成闭环。\n4. 外部专家与生态管理：与高校课题组、白帽社区、领域专家建立长期合作机制，负责需求定义、验收标准撰写、任务分发、结果评审与流程规范迭代，通过外部资源规模化供给精标数据，构建\"内部研发 + 外部众包\"的双轮驱动数据管线。\n\n职位要求\n1. 日常能够使用大模型辅助解决安全问题，了解 Agent 开发与 Harness 工程，能把 LLM 稳定嵌入到漏洞研判、告警降噪、代码审计、渗透辅助等真实安全场景中。\n2. 具备扎实的工程开发经验，能通过工程设计（数据链路、任务编排、Agent 工作流、反馈闭环）系统性提升安全风险的发现概率与检出效率，用工程手段放大安全专家的经验。\n3. 至少具备以下至少一个安全领域的知识：\n● CTF 方向：能够独立设计与编写 CTF 题目（Web / Pwn / Reverse / Mobile 至少一个方向），熟练搭建靶机环境（Docker / QEMU / 云主机 / 隔离网络），理解出题意图、解题路径、非预期解规避与 Flag 校验机制，具备难度梯度与考点组合设计能力，有校赛 / 省赛 / DEFCON / 强网杯等出题或参赛经历者优先。\n● 二进制漏洞挖掘方向：了解浏览器（Chrome / V8 / WebKit / Firefox）、操作系统内核（Windows / Linux / macOS / Android / iOS）以及常见中间件与开源组件的漏洞成因与分析方法（源码审计、Fuzzing、Patch Diff、崩溃回溯、根因定位、可利用性评估），能够独立完成 PoC 编写与漏洞利用链构造，有 CVE / CNNVD 漏洞编号、厂商致谢、Pwn2Own / 天府杯 / GeekPwn 等赛事经历者优先。\n● Web 攻防渗透方向：熟悉常见的企业级网络环境与组件（AD 域、Exchange、OA、堡垒机、EDR、WAF、IDS/IPS、SIEM、零信任网关）、云服务架构（阿里云 / AWS / Azure / GCP 的 IAM、VPC、容器与 Serverless 组件、元数据服务、日志与审计体系）及对应的攻防手法（信息收集、初始访问、权限提升、横向移动、持久化、数据渗出、痕迹清理、C2 通信与免杀），能独立完成红队评估、蓝队溯源反制或紫队协同演练。\n1. 网络安全领域数据体系设计：针对 CTF、二进制漏洞挖掘、Web 渗透测试等方向做结构化拆解（考点分类、难度分级、任务原子化），设计可复用的任务模板与评测协议，基于外部搜集和自主设计，实现批量化和自动化构造靶机环境（Docker / QEMU / 云主机 / 隔离网络），最终沉淀标准化的领域数据资产。\n2. 大模型行为轨迹生产与激励标注：驱动大模型在靶机环境中执行任务，采集完整的推理与操作轨迹（Thought / Action / Observation），设计多阶段过程激励（Process Reward）与结果激励（Outcome Reward）标注方案，将轨迹转化为可用于 SFT / DPO / RLHF / RLAIF 的高质量训练数据，持续提升模型在真实攻防场景下的表现。\n3. 与模型团队协同推进：作为数据侧对接人与算法 / 模型团队深度协作，参与能力评测集设计、Bad Case 归因、数据配比与训练策略制定，推动网络安全大模型按节奏迭代，及时定位并解决数据、评测、训练环节的关键卡点，驱动数据补充与评测修正形成闭环。\n4. 外部专家与生态管理：与高校课题组、白帽社区、领域专家建立长期合作机制，负责需求定义、验收标准撰写、任务分发、结果评审与流程规范迭代，通过外部资源规模化供给精标数据，构建\"内部研发 + 外部众包\"的双轮驱动数据管线。\n1. 日常能够使用大模型辅助解决安全问题，了解 Agent 开发与 Harness 工程，能把 LLM 稳定嵌入到漏洞研判、告警降噪、代码审计、渗透辅助等真实安全场景中。\n2. 具备扎实的工程开发经验，能通过工程设计（数据链路、任务编排、Agent 工作流、反馈闭环）系统性提升安全风险的发现概率与检出效率，用工程手段放大安全专家的经验。\n3. 至少具备以下至少一个安全领域的知识：\n● CTF 方向：能够独立设计与编写 CTF 题目（Web / Pwn / Reverse / Mobile 至少一个方向），熟练搭建靶机环境（Docker / QEMU / 云主机 / 隔离网络），理解出题意图、解题路径、非预期解规避与 Flag 校验机制，具备难度梯度与考点组合设计能力，有校赛 / 省赛 / DEFCON / 强网杯等出题或参赛经历者优先。\n● 二进制漏洞挖掘方向：了解浏览器（Chrome / V8 / WebKit / Firefox）、操作系统内核（Windows / Linux / macOS / Android / iOS）以及常见中间件与开源组件的漏洞成因与分析方法（源码审计、Fuzzing、Patch Diff、崩溃回溯、根因定位、可利用性评估），能够独立完成 PoC 编写与漏洞利用链构造，有 CVE / CNNVD 漏洞编号、厂商致谢、Pwn2Own / 天府杯 / GeekPwn 等赛事经历者优先。\n● Web 攻防渗透方向：熟悉常见的企业级网络环境与组件（AD 域、Exchange、OA、堡垒机、EDR、WAF、IDS/IPS、SIEM、零信任网关）、云服务架构（阿里云 / AWS / Azure / GCP 的 IAM、VPC、容器与 Serverless 组件、元数据服务、日志与审计体系）及对应的攻防手法（信息收集、初始访问、权限提升、横向移动、持久化、数据渗出、痕迹清理、C2 通信与免杀），能独立完成红队评估、蓝队溯源反制或紫队协同演练。",
    "standard_classification": {
        "std_category_code": "T015",
        "std_aux_codes": [
            "B010"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}