字节跳动
实习AICC机密计算研发实习生-安全与风控
深圳 · 实习 · 硕士
长期有效
任职要求
- 硕士及以上学位在读，机密计算、密码学、计算机科学与技术、信息安全、人工智能、软件工程等相关专业优先
- 具备扎实的数据结构、算法基础与计算机系统知识，对AI安全、隐私保护或机密计算领域有浓厚兴趣
- 掌握至少一门编程语言（C、C++、Python、Go优先），具备基础的代码编写、调试能力，有相关项目、科研实验或竞赛经历者优先
- 了解TEE技术、密码学基础、分布式系统、机器学习或大模型相关知识者优先，无相关经验但学习能力强、愿意主动钻研者可放宽
- 具备良好的逻辑思维、问题分析能力，工作认真负责，善于沟通协作，能主动跟进任务进度
- 每周可实习4天及以上，连续实习3个月及以上。
岗位描述
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
团队介绍：我们团队牵头探索人工智能数据安全与隐私保护、联邦学习、安全多方计算（SMPC）、可信执行环境、差分隐私及同态加密等前沿网络安全技术。我们开展尖端研究，致力于将新兴理论转化为数据与系统安全领域的实际应用方案。通过开创安全计算与隐私保护的全新方法，为塑造可信数字创新的未来发挥重要作用。
- 1、协助团队研发AICC相关机密计算平台模块，参与技术方案讨论、核心功能原型开发与代码实现；
- 2、支持大规模隐私可信数据流通平台的基础建设，参与分布式系统测试、性能优化辅助工作；
- 3、协助研究Intel SGX/TDX、AMD SEV及 GPU相关TEE技术，参与AI场景下的技术验证与实验复现；
- 4、配合团队开展AICC领域前沿技术调研（如大模型安全、隐私计算与AI融合方案），整理分析报告；
- 5、参与项目相关文档编写、数据处理与测试验证，积累AI+安全领域工程实践经验。
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。