主分类：网络信息安全
辅助：搜索推荐与业务决策算法研发（仅展示）
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": "研究型实习生-DDoS智能防护自迭代能力建设",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里云",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "负责 DDoS 智能防护自迭代能力建设，围绕防护过程中的业务误伤与攻击漏防问题，建设可量化、可解释、可持续优化的智能防护体系:\n1. 对 DDoS 防护效果评估能力建设，结合攻击流量、清洗流量、业务指标及防护日志，识别误伤、漏防和策略失效场景，建立准确率、召回率、误伤率、漏防率、攻击压制率及业务影响等评估指标。\n2. 建设误伤与漏防的自动分析及归因能力，定位异常检测、攻击识别、策略匹配、阈值配置和执行链路中的问题，为策略优化提供数据依据。\n3. 参与智能防护策略优化引擎建设，根据攻击特征、业务基线、防护效果及历史反馈，自动完成策略推荐、参数调优、策略组合和动态调整。\n4. 建设安全可控的策略验证机制，通过离线回放、仿真评估、灰度发布、效果对比和异常回滚，确保策略优化能够提升防护效果，同时降低对正常业务的影响。\n5. 构建“数据采集—样本沉淀—效果评估—问题归因—策略优化—灰度验证—结果反馈”的自迭代闭环，推动防护能力从人工经验驱动向数据与智能驱动演进。",
"requirements_text": "1. 计算机、网络空间安全、通信、人工智能、软件工程、数学或相关专业，硕士及以上学历，博士优先。\n2. 熟悉计算机网络基础，理解 TCP/IP、UDP、DNS、HTTP/HTTPS 等常见协议，了解 SYN Flood、UDP Flood、反射放大、应用层 CC 等常见 DDoS 攻击方式。\n3. 具备良好的编程能力，熟悉 Python，并掌握 Go、C++、Java 中至少一种语言；具备扎实的数据结构、算法及 Linux 基础。\n4. 了解机器学习基本原理，熟悉特征工程、模型训练和效果评估方法；有 PyTorch、TensorFlow、Scikit-learn 等框架使用经验者优先。\n5. 对海量数据处理、实时计算或分布式系统有一定了解，接触过 Kafka、Flink、Spark、ClickHouse、Elasticsearch 等技术者优先。\n6. 具备较强的问题分析和工程落地能力，能够从数据和业务现象中定位问题，并推动方案持续迭代。\n7. 对网络安全和智能化攻防有浓厚兴趣，具有主动学习能力、责任心及良好的团队协作意识。",
"skills": [AI生成
"Python",
"Java",
"C++",
"ClickHouse",
"Linux",
"Spark",
"Flink",
"Kafka",
"PyTorch",
"TensorFlow",
"Elasticsearch",
"机器学习",
"数据结构",
"分布式系统",
"模型训练",
"团队协作",
"学习能力",
"Go"
],
"preferred_qualifications": "1. 计算机、网络空间安全、通信、人工智能、软件工程、数学或相关专业，硕士及以上学历，博士优先；有 PyTorch、TensorFlow、Scikit-learn 等框架使用经验者优先；5. 对海量数据处理、实时计算或分布式系统有一定了解，接触过 Kafka、Flink、Spark、ClickHouse、Elasticsearch 等技术者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908180003?deptCodes="
}
]
},
"posting": {
"posting_id": "199908180003",
"post_date": "2026-07-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908180003?deptCodes="
},
"fulltext": "研究型实习生-DDoS智能防护自迭代能力建设\n研究型实习生-DDoS智能防护自迭代能力建设\n\n基础信息\n毕业起止时间要求：2026-08-31 - 2031-09-01\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：北京\n\n职位描述\n负责 DDoS 智能防护自迭代能力建设，围绕防护过程中的业务误伤与攻击漏防问题，建设可量化、可解释、可持续优化的智能防护体系:\n1. 对 DDoS 防护效果评估能力建设，结合攻击流量、清洗流量、业务指标及防护日志，识别误伤、漏防和策略失效场景，建立准确率、召回率、误伤率、漏防率、攻击压制率及业务影响等评估指标。\n2. 建设误伤与漏防的自动分析及归因能力，定位异常检测、攻击识别、策略匹配、阈值配置和执行链路中的问题，为策略优化提供数据依据。\n3. 参与智能防护策略优化引擎建设，根据攻击特征、业务基线、防护效果及历史反馈，自动完成策略推荐、参数调优、策略组合和动态调整。\n4. 建设安全可控的策略验证机制，通过离线回放、仿真评估、灰度发布、效果对比和异常回滚，确保策略优化能够提升防护效果，同时降低对正常业务的影响。\n5. 构建“数据采集—样本沉淀—效果评估—问题归因—策略优化—灰度验证—结果反馈”的自迭代闭环，推动防护能力从人工经验驱动向数据与智能驱动演进。\n\n职位要求\n1. 计算机、网络空间安全、通信、人工智能、软件工程、数学或相关专业，硕士及以上学历，博士优先。\n2. 熟悉计算机网络基础，理解 TCP/IP、UDP、DNS、HTTP/HTTPS 等常见协议，了解 SYN Flood、UDP Flood、反射放大、应用层 CC 等常见 DDoS 攻击方式。\n3. 具备良好的编程能力，熟悉 Python，并掌握 Go、C++、Java 中至少一种语言；具备扎实的数据结构、算法及 Linux 基础。\n4. 了解机器学习基本原理，熟悉特征工程、模型训练和效果评估方法；有 PyTorch、TensorFlow、Scikit-learn 等框架使用经验者优先。\n5. 对海量数据处理、实时计算或分布式系统有一定了解，接触过 Kafka、Flink、Spark、ClickHouse、Elasticsearch 等技术者优先。\n6. 具备较强的问题分析和工程落地能力，能够从数据和业务现象中定位问题，并推动方案持续迭代。\n7. 对网络安全和智能化攻防有浓厚兴趣，具有主动学习能力、责任心及良好的团队协作意识。\n\n在招业务\n阿里云\n负责 DDoS 智能防护自迭代能力建设，围绕防护过程中的业务误伤与攻击漏防问题，建设可量化、可解释、可持续优化的智能防护体系:\n1. 对 DDoS 防护效果评估能力建设，结合攻击流量、清洗流量、业务指标及防护日志，识别误伤、漏防和策略失效场景，建立准确率、召回率、误伤率、漏防率、攻击压制率及业务影响等评估指标。\n2. 建设误伤与漏防的自动分析及归因能力，定位异常检测、攻击识别、策略匹配、阈值配置和执行链路中的问题，为策略优化提供数据依据。\n3. 参与智能防护策略优化引擎建设，根据攻击特征、业务基线、防护效果及历史反馈，自动完成策略推荐、参数调优、策略组合和动态调整。\n4. 建设安全可控的策略验证机制，通过离线回放、仿真评估、灰度发布、效果对比和异常回滚，确保策略优化能够提升防护效果，同时降低对正常业务的影响。\n5. 构建“数据采集—样本沉淀—效果评估—问题归因—策略优化—灰度验证—结果反馈”的自迭代闭环，推动防护能力从人工经验驱动向数据与智能驱动演进。\n1. 计算机、网络空间安全、通信、人工智能、软件工程、数学或相关专业，硕士及以上学历，博士优先。\n2. 熟悉计算机网络基础，理解 TCP/IP、UDP、DNS、HTTP/HTTPS 等常见协议，了解 SYN Flood、UDP Flood、反射放大、应用层 CC 等常见 DDoS 攻击方式。\n3. 具备良好的编程能力，熟悉 Python，并掌握 Go、C++、Java 中至少一种语言；具备扎实的数据结构、算法及 Linux 基础。\n4. 了解机器学习基本原理，熟悉特征工程、模型训练和效果评估方法；有 PyTorch、TensorFlow、Scikit-learn 等框架使用经验者优先。\n5. 对海量数据处理、实时计算或分布式系统有一定了解，接触过 Kafka、Flink、Spark、ClickHouse、Elasticsearch 等技术者优先。\n6. 具备较强的问题分析和工程落地能力，能够从数据和业务现象中定位问题，并推动方案持续迭代。\n7. 对网络安全和智能化攻防有浓厚兴趣，具有主动学习能力、责任心及良好的团队协作意识。",
"standard_classification": {
"std_category_code": "T023",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}