阿里巴巴
校招智能体威胁识别与对抗防御研究-阿里星
杭州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 1、对大模型相关技术有项目实操及研究经历，有智能体安全、大模型安全、VLA 对抗样本相关经历优先；
- 2、对安全攻防领域有较深入的理解，对以下至少一个领域有相关经历优先：移动安全、Web 安全、协议安全、IoT 安全；
- 3、具备优秀的研究能力，在 NDSS、IEEE S&P、CCS、USENIX Security 等顶级安全会议有工作发表优先；
- 4、在安全风控领域相关比赛中有获奖经历优先；
- 5、具备良好的合作与沟通能力，能够推进较为复杂的跨团队协作项目。
岗位描述
- 1、负责集团端管云全链路场景下的智能体安全能力建设，针对不同意图与形态的智能体（GUI Agent、API Agent 等）构建高效的威胁识别、行为分析与对抗防御体系；
- 2、探索面向 VLA 的对抗样本生成与防御技术，包括跨模型/跨任务可迁移的通用对抗攻击、感知-决策链路的鲁棒性评估及防御机制设计；
- 3、探索智能体幻觉问题的检测与缓解，覆盖感知幻觉（界面元素误识别、属性/关系错误）与推理幻觉（指令偏离、逻辑谬误、事实捏造），构建幻觉诊断基准并设计缓解机制；
- 4、参与基础安全域模型的安全能力建设与迭代，探索解决安全域样本标注昂贵稀缺、可读性差等核心瓶颈问题。
- 1、对大模型相关技术有项目实操及研究经历，有智能体安全、大模型安全、VLA 对抗样本相关经历优先；
- 2、对安全攻防领域有较深入的理解，对以下至少一个领域有相关经历优先：移动安全、Web 安全、协议安全、IoT 安全；
- 3、具备优秀的研究能力，在 NDSS、IEEE S&P、CCS、USENIX Security 等顶级安全会议有工作发表优先；
- 4、在安全风控领域相关比赛中有获奖经历优先；
- 5、具备良好的合作与沟通能力，能够推进较为复杂的跨团队协作项目。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。