面向真实安全攻防场景的自主智能体（Security AI Agent）体系构建与核心能力研究-阿里星/A Star

1、安全 Agent 系统研发：

• - 设计与构建面向真实安全场景的自主 AI Agent 系统，实现从目标理解、环境感知、工具调用到多步推理执行的端到端闭环；
• - 研究并实现 Agent 的核心能力模块，包括任务规划与分解、动态策略调整、反思与自修正、安全约束与人机协同机制；
• - 设计多 Agent 协作架构，实现检测、分析、研判、响应等安全运营环节的自动化协同。

2、安全领域 Agentic 模型训练：

• - 研究面向安全场景的大模型增强方案，包括安全领域持续预训练、指令微调、RLHF/RLEF 等技术路线，提升模型在安全专业任务上的推理与行动能力；
• - 构建安全领域高质量训练数据体系（攻防轨迹、工具调用序列、推理链标注等），设计面向 Agent 能力的训练目标与奖励函数。

3、评估与可信体系建设：

• - 建立安全 Agent 的标准化评估基准，覆盖任务完成率、推理准确性、鲁棒性、可控性等多维指标；
• - 研究 Agent 在对抗环境下的安全性问题（提示注入防御、行为边界约束、决策可解释性等）。

岗位要求：

• 1、在安全与 AI 交叉领域有研究或实践经历（如基于 LLM 的漏洞检测、AI 辅助逆向分析、自动化渗透测试等）；
• 2、具备安全工具使用或安全系统开发经验，理解真实安全运营场景的工作流与痛点；
• 3、具备独立研究能力，能够阅读并跟进相关领域前沿论文，将研究思路转化为可落地的技术方案；
• 4、理解主流大语言模型的原理与架构（Transformer、预训练-微调范式、RLHF 等）；
• 5、有大模型微调、推理优化或 Agent 系统（如 ReAct、Tool Use、Planning）的实践经验，有强化学习工程落地经验，尤其是在交互式环境中训练 Agent 的实践；
• 6、有 Agent 框架开发经验（如 LangChain、AutoGPT、OpenAI Function Calling 等），或有自主搭建多 Agent 系统的项目经历。

加分项：

• 1、在顶会（如 S&P、USENIX Security、CCS、NDSS、NeurIPS、ICML、ICLR、ACL 等）发表过相关论文；
• 2、参与过 CTF 竞赛并取得优秀成绩，或在知名安全社区有高质量技术输出；
• 3、有安全产品或安全平台的研发经验（SIEM、SOAR、漏洞扫描器、WAF 等）；
• 4、对 AI 安全（对抗攻击、模型安全、提示注入等）有研究或理解。