字节跳动
实习网络安全SRE实习生-安全与风控
北京 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 2027届本科及以上学历在读，计算机及相关专业背景
- 具备扎实的编程能力，熟练掌握Go/Python/Shell等至少一种常用程序开发语言
- 理解Linux操作系统使用，具备网络、存储、计算机体系结构方面的知识；理解网络协议和相关服务（TCP/IP、HTTP、DNS、NAT等），理解网络设备，例如路由/交换的原理和配置
- 理解云原生架构和容器技术原理，能够应用Kubernetes并了解其功能特性
- 深入理解常见运维组件的原理和实践（包括但不限于：Load Balancer、Nginx、Ansible、Argo CD、Prometheus、Grafana等）
- 具备较强的学习能力和逻辑思维能力，能够持续学习；具备较强的团队沟通和协作能力，具备较强的责任意识。
岗位描述
Bytelntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。
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、负责超大规模安全基础设施的可靠、稳定、高效运行，保障相关产品的SLA；
- 2、负责安全核心系统运维自动化平台设计与开发；提升系统可观测性，快速发现与定位故障；
- 3、推动提升服务的可靠性、可扩展性以及性能优化；参与设计、实现能够保障线上大规模集群快速迭代的自动化平台；
- 4、实现SRE工具和流程的平台化、智能化开发建设。
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。