主分类：网络信息安全
辅助：AI模型评测工程（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": "AI红队安全专家",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "武汉、北京",
"work_mode": "未披露",AI生成
"job_category": "未披露"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 构建 AI Agent 驱动的自动化安全测试体系，集成代码审计、逆向调试、Fuzzing、渗透测试等工具链，实现从漏洞发现到验证的全流程自动化调度\n2. 设计 AI 安全能力基准测试框架，建立可重复、可量化的模型攻防能力评估流程（覆盖漏洞发现率、利用成功率、误报率等核心指标）\n3. 搭建 AI vs AI 自动化攻防对抗平台，推动安全测试从人工审计向 Agent 自主攻防演进\n4. 基于评测数据驱动安全能力优化，与模型团队协作建立\"评测-反馈-训练\"闭环迭代机制",
"requirements_text": "- 3年以上安全研究经验，至少精通以下方向之一：\n a) 二进制漏洞挖掘与利用（操作系统/浏览器/移动端）\n b) 渗透测试与红队评估\n c) Fuzzing 工程（AFL/LibFuzzer/syzkaller 等）\n\n- 熟练掌握 Python/C/C++ 中至少两门，具备独立开发安全工具和自动化框架的工程能力\n- 有 AI 结合安全研究的实践经验（如使用 LLM 进行漏洞挖掘、Exploit 生成、代码审计等）\n- 理解 AI Agent 核心机制（Tool Use、上下文管理、多步推理编排），有 Agent 应用开发或集成经验\n\n【加分项】\n- 有 CVE 编号、安全竞赛获奖、厂商漏洞赏金或名人堂记录\n- 参与过模型安全评测、红队测试或安全微调数据集构建\n- 熟悉 CodeQL / Semgrep / Joern 等静态分析工具\n- 有大型开源项目（Linux 内核/Chromium/Android）的安全研究经历\n- 活跃于安全社区，有技术博客、开源工具或会议演讲\n",
"skills": [AI生成
"Python",
"C++",
"Linux",
"审计",
"大语言模型",
"智能体开发",
"C语言"
],
"preferred_qualifications": "【加分项】",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7642527892006783275/detail"
}
]
},
"posting": {
"posting_id": "7642527892006783275",
"post_date": "2026-05-22",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7642527892006783275/detail"
},
"fulltext": "AI红队安全专家\n职位描述\n1. 构建 AI Agent 驱动的自动化安全测试体系，集成代码审计、逆向调试、Fuzzing、渗透测试等工具链，实现从漏洞发现到验证的全流程自动化调度\n2. 设计 AI 安全能力基准测试框架，建立可重复、可量化的模型攻防能力评估流程（覆盖漏洞发现率、利用成功率、误报率等核心指标）\n3. 搭建 AI vs AI 自动化攻防对抗平台，推动安全测试从人工审计向 Agent 自主攻防演进\n4. 基于评测数据驱动安全能力优化，与模型团队协作建立\"评测-反馈-训练\"闭环迭代机制\n\n职位要求\n- 3年以上安全研究经验，至少精通以下方向之一：\n a) 二进制漏洞挖掘与利用（操作系统/浏览器/移动端）\n b) 渗透测试与红队评估\n c) Fuzzing 工程（AFL/LibFuzzer/syzkaller 等）\n\n- 熟练掌握 Python/C/C++ 中至少两门，具备独立开发安全工具和自动化框架的工程能力\n- 有 AI 结合安全研究的实践经验（如使用 LLM 进行漏洞挖掘、Exploit 生成、代码审计等）\n- 理解 AI Agent 核心机制（Tool Use、上下文管理、多步推理编排），有 Agent 应用开发或集成经验\n\n【加分项】\n- 有 CVE 编号、安全竞赛获奖、厂商漏洞赏金或名人堂记录\n- 参与过模型安全评测、红队测试或安全微调数据集构建\n- 熟悉 CodeQL / Semgrep / Joern 等静态分析工具\n- 有大型开源项目（Linux 内核/Chromium/Android）的安全研究经历\n- 活跃于安全社区，有技术博客、开源工具或会议演讲\n\n1. 构建 AI Agent 驱动的自动化安全测试体系，集成代码审计、逆向调试、Fuzzing、渗透测试等工具链，实现从漏洞发现到验证的全流程自动化调度\n2. 设计 AI 安全能力基准测试框架，建立可重复、可量化的模型攻防能力评估流程（覆盖漏洞发现率、利用成功率、误报率等核心指标）\n3. 搭建 AI vs AI 自动化攻防对抗平台，推动安全测试从人工审计向 Agent 自主攻防演进\n4. 基于评测数据驱动安全能力优化，与模型团队协作建立\"评测-反馈-训练\"闭环迭代机制\n- 3年以上安全研究经验，至少精通以下方向之一：\n a) 二进制漏洞挖掘与利用（操作系统/浏览器/移动端）\n b) 渗透测试与红队评估\n c) Fuzzing 工程（AFL/LibFuzzer/syzkaller 等）\n\n- 熟练掌握 Python/C/C++ 中至少两门，具备独立开发安全工具和自动化框架的工程能力\n- 有 AI 结合安全研究的实践经验（如使用 LLM 进行漏洞挖掘、Exploit 生成、代码审计等）\n- 理解 AI Agent 核心机制（Tool Use、上下文管理、多步推理编排），有 Agent 应用开发或集成经验\n\n【加分项】\n- 有 CVE 编号、安全竞赛获奖、厂商漏洞赏金或名人堂记录\n- 参与过模型安全评测、红队测试或安全微调数据集构建\n- 熟悉 CodeQL / Semgrep / Joern 等静态分析工具\n- 有大型开源项目（Linux 内核/Chromium/Android）的安全研究经历\n- 活跃于安全社区，有技术博客、开源工具或会议演讲\n",
"standard_classification": {
"std_category_code": "T023",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}