字节跳动
校招安全开发工程师（AI应用隐私保护/数据安全） - 安全与风控
北京/杭州 · 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，密码学、信息安全、计算机、软件工程等相关专业优先
- 熟悉密码学原理、及常见对称/非对称加密算法，了解机密计算、多方计算、同态加密等相关技术及其应用；熟悉数据安全风险及其原理，如越权获取、批量泄露、过度收集、无序分发等，了解XSS、SSRF、SQL注入、堆栈溢出等网络攻击手段及其原理
- 计算机基础扎实，掌握数据结构、算法、网络和操作系统等知识，熟悉常见的数据结构与算法
- 熟练掌握以下至少一门编程语言：C、C++、Python、Go、Java，了解虚拟化、微服务、分布式技术，有较强的工程能力
- 对安全领域充满热情，具备良好的沟通能力，强烈的自我成长意愿和求知欲，具备出色的学习能力和自驱力
- 对大模型有基本的了解，了解豆包、Claude Code、TRAE等大模型应用。
岗位描述
团队介绍：我们团队为字节跳动旗下各类业务线提供信息安全保障。通过与各业务团队紧密协作，我们针对其特定的运营及业务需求，设计并落地专属安全策略。依托安全部门的专业能力，我们交付与业务目标高度契合、兼具成本效益与可扩展性的安全解决方案，助力各团队获取最高效、最可靠的安全服务与工具。
- 1、参与大模型应用的隐私安全项目实施，包括差分隐私、数据匿名化等，确保个人隐私保护基准水位；
- 2、参与数据加密、机密计算、最小化授权等安全能力研发，为业务线提供坚实的数据安全底座；
- 3、系统性发现和量化产品中数据安全和隐私风险，对数据安全/隐私保护安全方案进行有效性验证。
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。