字节跳动
校招智能体安全攻防工程师 - 安全与风控
北京/深圳 · 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，计算机相关专业
- 熟悉网络和主机安全原理和攻防
- 熟悉智能体架构、开发相关
- 熟练掌握Python、Shell、Yara、Lua或Golang语言
- 快速掌握AI Coding最佳实践。
- 加分项：
- 参加过CTF类竞赛并拿过名次优先
- 参加过HW攻防、值守等优先
- 熟悉大模型/智能体Harness Engineering,SFT等实践优先
- To B安全厂商核心攻防能力开发者、研究者优先。
岗位描述
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、负责构建AI-Native安全平台能力，包括但不限于RedTeaming，智能分析研判、溯源和运营；
- 2、负责智能体的先进性预研、开发和安全效果保障；
- 3、负责跟踪业界安全动向，特别是安全方向智能体AI for Security相关最新技术；
- 4、负责协同研发团队，形成安全引擎的技术需求；
- 5、负责团队的安全能力输出；
- 6、协助部门负责人培养安全攻防和运营相关人员。
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。