字节跳动
实习风险策略分析实习生-安全与风控
北京 · 实习 · 硕士
长期有效
任职要求
- 硕士及以上学位在读，信息安全、人工智能、计算机、数学、统计学等相关专业优先
- 熟练使用Excel（数据透视、函数分析），具备数据分析、数据整理能力
- 具备优秀的自主学习能力和数据分析能力，对数据敏感，逻辑性强，善于发现问题
- 具备较强的学习能力、执行能力，以及较强的沟通协调、资源整合能力和项目管理能力
- 每周可实习4天及以上，需保证至少5-6个月实习时间
- 有安全与风控相关经验或研究背景优先，有大语言模型（LLM）或AI安全相关研究经验者优先。
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：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、协助策略团队展开风险分析与数据研究，包括风险生态、核心指标拆解、数据收集整理与解读、业务指标的下钻分析等，优化分析体系并快速定位问题或机会；
- 2、参与安全策略的执行与运营，包括与安全运营团队日常协作、项目推进及运营支持，确保安全策略高效落地；
- 3、协助构建风险识别和规则建设，聚焦高危场景，打磨"以通用能力为基础，辅以业务和专项定制"的风险覆盖方案，提高规则构建整体效率；
- 4、参与跨团队协作项目，基于安全风险特点制定策略，并推动执行与效果复盘；
- 5、使用AI能力赋能安全创新。
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。