字节跳动
实习云安全实习生-安全与风控
北京 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 2027届本科及以上学历在读，计算机、信息安全等相关专业优先
- 对云安全或AI安全领域有强烈探索欲，能通过技术博客/论文等快速掌握新知识
- 理解传统网络安全攻防基础（如DDoS/Web攻击/容器安全攻防等原理）
- 了解云计算核心概念（虚拟化/微服务/K8S/容器等）
- 掌握Python/Golang/Java任一语言，具备简单工具开发能力
- 具备系统性分析思维，能独立拆解复杂技术问题。
- 加分项：
- 拥有云安全相关实习经历
- 参与过CTF竞赛/漏洞挖掘（提交CVE或平台致谢证明）
- 发表过AI安全、云安全相关论文/专利
- 在GitHub有高质量安全项目（如安全工具开发、复现分析）
- 熟悉大模型安全风险（提示注入/模型窃取等）。
岗位描述
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。
团队介绍：我们团队研发尖端云安全解决方案，为字节跳动及企业客户提供规模化安全防护。
依托安全部门深厚的技术积累，以及对客户安全需求的深刻理解，我们借助领先技术与产品，通过全方位智能防御体系应对各类实际安全挑战。
我们的工作确保云环境始终安全、可靠，为整个组织的创新实践提供有力支撑。
- 1、参与云平台网络隔离策略设计与实施，保障多租户环境安全隔离；
- 2、跟踪AIGC安全风险（如LLM对抗攻击、数据泄露防护、智能体安全），探索并落地防御方案；
- 3、协助构建AI云原生应用安全防护体系（LLM/MCP/Agent）；
- 4、参与安全风险评估、安全培训和漏洞评估，以主动识别和解决安全风险；
- 5、与跨职能团队合作，将安全能力集成到云产品和底层基础设施中。
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。