字节跳动
校招数据合规治理工程师 - 安全与风控
北京 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 2027届获得本科及以上学历，计算机、信息安全、网络安全、密码学等相关专业
- 有复杂业务场景下的数据安全实习经验者优先，理解数据全生命周期安全控制点，能够对数据分级分类、敏感数据识别、加密、脱敏、访问控制、审计等核心能力进行设计与落地
- 具备基础的数据安全风险评估与威胁建模能力，理解常见数据泄露、越权、滥用等攻击与风险场景
- 能够使用至少一门编程语言（如Java/Python/Go等），具备安全工具或平台化能力建设经验。
- 加分项
- 有大模型/AI Agent数据安全治理、零信任架构、隐私计算相关实习经验
- 学习能力强具备复用的能力，能独立承担复杂问题的分析与落地
- 具备良好的跨团队沟通与推动能力，有业务视角，能用数据与结果证明安全治理价值。
岗位描述
团队介绍：安全治理与合规团队在保障字节跳动全域安全与合规要求落地的同时，为业务发展提供支持。
我们负责制定并维护多领域的治理框架，涵盖安全认证、政策制定、隐私保护、内部威胁防控、数据合规及法规遵循等方面。
通过推动治理、风险与合规（GRC）领域的精细化建设，我们在字节跳动信息安全战略的构建中发挥着关键作用。
- 1、作为数据安全领域的工程师，参与数据全生命周期安全能力的设计、落地与持续迭代，负责敏感数据识别与分级分类体系设计，推动自动化识别、标签化、策略化能力在生产环境落地；设计并落地数据加密、静态/动态脱敏、最小化使用等技术方案，解决数据在存储、计算、流转、使用过程中的安全与效率平衡问题，构建数据血缘、访问路径与使用行为的可视化能力，结合Zero Trust、UEBA、最小授权、按需授权、Just-in-Time等理念，推动精细化、自动化的数据访问控制；
- 2、深度参与大模型（LLM）、AI Agent数据安全与隐私保护，机密计算，可信计算，隐私计算等场景，识别新技术带来的数据安全与合规风险，输出可执行的技术治理方案并推动落地；
- 3、将法律法规与监管要求转化为工程可执行的技术规范与流程机制，推动合规内嵌到业务与研发流程中，深度理解《网络安全法》《数据安全法》《个人信息保护法》，熟悉GDPR/CCPA等国际隐私法规，主导或参与数据合规评估、整改与审计；
- 4、建立数据安全风险识别、评估、治理、验收、复盘的闭环机制，覆盖日常治理与突发事件两类场景，并结合业务场景开发或推动数据安全治理工具与平台能力建设，提升风险识别、治理与运营效率；
- 5、沉淀数据安全技术方案、方法论与最佳实践，通过文档、培训、方案评审等方式赋能研发与业务团队。
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 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
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。