字节跳动
校招漏洞运营工程师 - 安全与风控
杭州/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，人工智能、计算机、信息安全、软件工程等相关专业优先
- 具备扎实的计算机基础，熟悉至少一种编程语言（Python/Java/C++/Go等）；了解常见漏洞的挖掘和修复原理，包括但不限于：AI漏洞、Web漏洞、应用层漏洞、框架层漏洞、系统层漏洞等
- 了解机器学习、深度学习或大语言模型相关技术，对AI Agent技术方向有浓厚兴趣，了解Agent系统设计模式、工具调用（Tool Use）、RAG等智能体相关技术
- 具备良好的学习能力、分析与解决问题能力，以及团队协作与沟通能力。
- 加分项：
- 有AI安全相关项目经验、开源项目经验、竞赛获奖或论文发表者优先；了解提示注入（Prompt Injection）、越狱攻击（JailBreak）、数据投毒、对抗样本等AI安全相关问题。
岗位描述
团队介绍：我们通过部署先进的安全系统、推行标准化操作流程，构建基于零信任的安全防护体系，提升字节跳动全球办公环境的整体安全态势。我们坚持以主动预防为核心，同时构建敏捷高效的安全响应能力，为全球办公环境提供持续、可靠的安全保障。
- 1、漏洞分析与研判：针对最新的关键软件/系统漏洞，进行漏洞原理分析，编写漏洞预警报告与技术分析文档；持续跟踪漏洞的最新进展，协助应急响应、特征分析与影响范围评估；
- 2、漏洞检测工具优化：参与白盒、黑盒、灰盒等安全检测产品/平台的技术运营工作，协助检测工具优化、提升准确率；
- 3、漏洞自动化运营：优化漏洞运营流程，通过自动化工具和平台提升运营效率，减少人工干预，跟进安全漏洞全生命周期闭环，能够独立协助业务修复安全漏洞，直至漏洞关闭；
- 4、漏洞应急响应：参与安全漏洞应急响应处置，进行影响范围评定、利用复杂度分析和修复方案验证，建设应急响应知识库与自动化处置能力，实现自动化应急响应与处置；
- 5、技术能力建设：探索AI/大模型在漏洞运营中的应用，协助智能研判与分级、自动化漏洞修复、自动化验证漏洞修复等能力的落地建设。
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。