JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "大模型智能体安全研究员-智能安全",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "安全"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "专业背景：计算机科学、信息安全、人工智能、网络安全或相关领域本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、智能体安全风险发现、建模与评估：针对大模型智能体系统（含工具调用、插件集成、多步工作流编排等场景），系统性地发现和建模安全风险，包括但不限于Prompt Injection（直接、间接注入）、指令绕过、越权调用外部工具或第三方服务、敏感数据泄露、上下文污染、模型幻觉与推理偏差引发的业务风险等；建立风险分级与影响评估框架，制定安全基线标准与准入规范；\n2、防护策略与安全机制设计：结合威胁模型与业务场景，设计并迭代智能体系统的安全防护架构与策略规则体系，涵盖输入输出过滤、Prompt防护层、工具调用权限沙箱、上下文隔离、敏感操作审批、安全对齐（Alignment）策略以及基于意图识别的异常行为检测等方向；\n3、安全评测体系建设与红队测试：构建覆盖大模型智能体核心攻击面的标准化安全评测基准（Benchmark），组织和执行红队测试（Red Teaming），开发自动化攻击模拟工具与对抗性测试框架，持续验证并推动防护能力的工程化与规模化；\n4、前沿安全研究与情报跟踪：持续跟踪AI安全领域的最新学术研究、攻击技术演进与行业安全事件，提炼可落地的防护思路与方法论，保持团队在大模型安全攻防方面的技术前瞻性；\n5、跨团队协作与安全能力落地：与产品、工程、算法及合规团队紧密协作，将安全研究成果转化为可工程化的安全组件和规范流程，推动安全能力在智能体产品全链路中的系统性集成与持续运营。",
"requirements_text": "1、专业背景：计算机科学、信息安全、人工智能、网络安全或相关领域本科及以上学历，或具备同等水平的实际工作经验与技术能力；\n2、大模型技术理解与AI安全知识储备：熟悉大语言模型（LLM）的基本原理与推理机制，了解主流Agent框架及其工作模式（如基于工具调用的ReAct/Function Calling范式、多步工作流编排、插件系统、RAG架构等）；了解当前主流的AI安全问题与攻防方法，包括但不限于Prompt Injection（直接注入与间接注入）、Jailbreak、数据投毒、模型逆向、对抗样本、模型滥用及越权调用第三方服务等攻击手段与防御思路；\n3、安全攻防或威胁建模经验：具备一定的安全研究、渗透测试、红队演练或威胁建模经验，能够从攻击者视角系统性地分析复杂系统的安全风险面；\n4、代码实现能力：具备扎实的编程能力（Python为主，其他语言加分），能独立构建概念验证（POC）、安全测试脚本、自动化评估工具或对抗性测试框架；\n5、逻辑抽象、分析能力与风险意识：具有优秀的问题抽象能力和结构化思维，能够将模糊的、新兴的安全风险转化为清晰的威胁模型、评估指标和可执行的防护方案；对新技术、新场景保持敏锐的安全感知，能够主动识别潜在风险点，而非仅被动响应已知漏洞；\n6、跨团队沟通与协作：具备良好的书面和口头表达能力，能够清晰地向非安全背景的技术和业务团队传达安全风险与建议，推动安全方案的落地执行。\n\n加分项\n1、实际LLM/Agent安全经验：有大模型应用或智能体系统的安全研究、攻防测试或安全治理的实战经验，曾主导或深度参与过相关安全项目；\n2、学术成果或开源贡献：在AI安全、对抗机器学习、系统安全等领域发表过高质量学术论文（如顶会S&P、USENIX Security、CCS、NeurIPS、ICML、ACL等），或在相关开源项目中有持续贡献；\n3、安全竞赛成绩：在CTF、AI安全挑战赛、红队竞赛或漏洞挖掘项目中取得优异成绩，具备竞技型安全攻防实力；\n4、安全工程化能力：有将安全研究成果转化为自动化工具、平台化能力或规模化服务的工程经验；\n5、多领域交叉背景：同时具备传统网络安全/应用安全与AI/NLP技术背景，能够将经典安全思维与大模型场景有机结合；\n6、行业影响力：在AI安全社区有一定影响力，如维护技术博客、参与行业标准制定、在安全会议上发表演讲等。",
"skills": [AI生成
"Python",
"React",
"机器学习",
"分析能力",
"建模",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "4、代码实现能力：具备扎实的编程能力（Python为主，其他语言加分），能独立构建概念验证（POC）、安全测试脚本、自动化评估工具或对抗性测试框架；加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7306909551256406298/detail"
}
]
},
"posting": {
"posting_id": "7306909551256406298",
"post_date": "2023-11-29",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7306909551256406298/detail"
},
"fulltext": "大模型智能体安全研究员-智能安全\n职位描述\n1、智能体安全风险发现、建模与评估：针对大模型智能体系统（含工具调用、插件集成、多步工作流编排等场景），系统性地发现和建模安全风险，包括但不限于Prompt Injection（直接、间接注入）、指令绕过、越权调用外部工具或第三方服务、敏感数据泄露、上下文污染、模型幻觉与推理偏差引发的业务风险等；建立风险分级与影响评估框架，制定安全基线标准与准入规范；\n2、防护策略与安全机制设计：结合威胁模型与业务场景，设计并迭代智能体系统的安全防护架构与策略规则体系，涵盖输入输出过滤、Prompt防护层、工具调用权限沙箱、上下文隔离、敏感操作审批、安全对齐（Alignment）策略以及基于意图识别的异常行为检测等方向；\n3、安全评测体系建设与红队测试：构建覆盖大模型智能体核心攻击面的标准化安全评测基准（Benchmark），组织和执行红队测试（Red Teaming），开发自动化攻击模拟工具与对抗性测试框架，持续验证并推动防护能力的工程化与规模化；\n4、前沿安全研究与情报跟踪：持续跟踪AI安全领域的最新学术研究、攻击技术演进与行业安全事件，提炼可落地的防护思路与方法论，保持团队在大模型安全攻防方面的技术前瞻性；\n5、跨团队协作与安全能力落地：与产品、工程、算法及合规团队紧密协作，将安全研究成果转化为可工程化的安全组件和规范流程，推动安全能力在智能体产品全链路中的系统性集成与持续运营。\n\n职位要求\n1、专业背景：计算机科学、信息安全、人工智能、网络安全或相关领域本科及以上学历，或具备同等水平的实际工作经验与技术能力；\n2、大模型技术理解与AI安全知识储备：熟悉大语言模型（LLM）的基本原理与推理机制，了解主流Agent框架及其工作模式（如基于工具调用的ReAct/Function Calling范式、多步工作流编排、插件系统、RAG架构等）；了解当前主流的AI安全问题与攻防方法，包括但不限于Prompt Injection（直接注入与间接注入）、Jailbreak、数据投毒、模型逆向、对抗样本、模型滥用及越权调用第三方服务等攻击手段与防御思路；\n3、安全攻防或威胁建模经验：具备一定的安全研究、渗透测试、红队演练或威胁建模经验，能够从攻击者视角系统性地分析复杂系统的安全风险面；\n4、代码实现能力：具备扎实的编程能力（Python为主，其他语言加分），能独立构建概念验证（POC）、安全测试脚本、自动化评估工具或对抗性测试框架；\n5、逻辑抽象、分析能力与风险意识：具有优秀的问题抽象能力和结构化思维，能够将模糊的、新兴的安全风险转化为清晰的威胁模型、评估指标和可执行的防护方案；对新技术、新场景保持敏锐的安全感知，能够主动识别潜在风险点，而非仅被动响应已知漏洞；\n6、跨团队沟通与协作：具备良好的书面和口头表达能力，能够清晰地向非安全背景的技术和业务团队传达安全风险与建议，推动安全方案的落地执行。\n\n加分项\n1、实际LLM/Agent安全经验：有大模型应用或智能体系统的安全研究、攻防测试或安全治理的实战经验，曾主导或深度参与过相关安全项目；\n2、学术成果或开源贡献：在AI安全、对抗机器学习、系统安全等领域发表过高质量学术论文（如顶会S&P、USENIX Security、CCS、NeurIPS、ICML、ACL等），或在相关开源项目中有持续贡献；\n3、安全竞赛成绩：在CTF、AI安全挑战赛、红队竞赛或漏洞挖掘项目中取得优异成绩，具备竞技型安全攻防实力；\n4、安全工程化能力：有将安全研究成果转化为自动化工具、平台化能力或规模化服务的工程经验；\n5、多领域交叉背景：同时具备传统网络安全/应用安全与AI/NLP技术背景，能够将经典安全思维与大模型场景有机结合；\n6、行业影响力：在AI安全社区有一定影响力，如维护技术博客、参与行业标准制定、在安全会议上发表演讲等。\n1、智能体安全风险发现、建模与评估：针对大模型智能体系统（含工具调用、插件集成、多步工作流编排等场景），系统性地发现和建模安全风险，包括但不限于Prompt Injection（直接、间接注入）、指令绕过、越权调用外部工具或第三方服务、敏感数据泄露、上下文污染、模型幻觉与推理偏差引发的业务风险等；建立风险分级与影响评估框架，制定安全基线标准与准入规范；\n2、防护策略与安全机制设计：结合威胁模型与业务场景，设计并迭代智能体系统的安全防护架构与策略规则体系，涵盖输入输出过滤、Prompt防护层、工具调用权限沙箱、上下文隔离、敏感操作审批、安全对齐（Alignment）策略以及基于意图识别的异常行为检测等方向；\n3、安全评测体系建设与红队测试：构建覆盖大模型智能体核心攻击面的标准化安全评测基准（Benchmark），组织和执行红队测试（Red Teaming），开发自动化攻击模拟工具与对抗性测试框架，持续验证并推动防护能力的工程化与规模化；\n4、前沿安全研究与情报跟踪：持续跟踪AI安全领域的最新学术研究、攻击技术演进与行业安全事件，提炼可落地的防护思路与方法论，保持团队在大模型安全攻防方面的技术前瞻性；\n5、跨团队协作与安全能力落地：与产品、工程、算法及合规团队紧密协作，将安全研究成果转化为可工程化的安全组件和规范流程，推动安全能力在智能体产品全链路中的系统性集成与持续运营。\n1、专业背景：计算机科学、信息安全、人工智能、网络安全或相关领域本科及以上学历，或具备同等水平的实际工作经验与技术能力；\n2、大模型技术理解与AI安全知识储备：熟悉大语言模型（LLM）的基本原理与推理机制，了解主流Agent框架及其工作模式（如基于工具调用的ReAct/Function Calling范式、多步工作流编排、插件系统、RAG架构等）；了解当前主流的AI安全问题与攻防方法，包括但不限于Prompt Injection（直接注入与间接注入）、Jailbreak、数据投毒、模型逆向、对抗样本、模型滥用及越权调用第三方服务等攻击手段与防御思路；\n3、安全攻防或威胁建模经验：具备一定的安全研究、渗透测试、红队演练或威胁建模经验，能够从攻击者视角系统性地分析复杂系统的安全风险面；\n4、代码实现能力：具备扎实的编程能力（Python为主，其他语言加分），能独立构建概念验证（POC）、安全测试脚本、自动化评估工具或对抗性测试框架；\n5、逻辑抽象、分析能力与风险意识：具有优秀的问题抽象能力和结构化思维，能够将模糊的、新兴的安全风险转化为清晰的威胁模型、评估指标和可执行的防护方案；对新技术、新场景保持敏锐的安全感知，能够主动识别潜在风险点，而非仅被动响应已知漏洞；\n6、跨团队沟通与协作：具备良好的书面和口头表达能力，能够清晰地向非安全背景的技术和业务团队传达安全风险与建议，推动安全方案的落地执行。\n\n加分项\n1、实际LLM/Agent安全经验：有大模型应用或智能体系统的安全研究、攻防测试或安全治理的实战经验，曾主导或深度参与过相关安全项目；\n2、学术成果或开源贡献：在AI安全、对抗机器学习、系统安全等领域发表过高质量学术论文（如顶会S&P、USENIX Security、CCS、NeurIPS、ICML、ACL等），或在相关开源项目中有持续贡献；\n3、安全竞赛成绩：在CTF、AI安全挑战赛、红队竞赛或漏洞挖掘项目中取得优异成绩，具备竞技型安全攻防实力；\n4、安全工程化能力：有将安全研究成果转化为自动化工具、平台化能力或规模化服务的工程经验；\n5、多领域交叉背景：同时具备传统网络安全/应用安全与AI/NLP技术背景，能够将经典安全思维与大模型场景有机结合；\n6、行业影响力：在AI安全社区有一定影响力，如维护技术博客、参与行业标准制定、在安全会议上发表演讲等。"
}