岗位职责
负责 DDoS 智能防护自迭代能力建设，围绕防护过程中的业务误伤与攻击漏防问题，建设可量化、可解释、可持续优化的智能防护体系:
- 对 DDoS 防护效果评估能力建设，结合攻击流量、清洗流量、业务指标及防护日志，识别误伤、漏防和策略失效场景，建立准确率、召回率、误伤率、漏防率、攻击压制率及业务影响等评估指标。
- 建设误伤与漏防的自动分析及归因能力，定位异常检测、攻击识别、策略匹配、阈值配置和执行链路中的问题，为策略优化提供数据依据。
- 参与智能防护策略优化引擎建设，根据攻击特征、业务基线、防护效果及历史反馈，自动完成策略推荐、参数调优、策略组合和动态调整。
- 建设安全可控的策略验证机制，通过离线回放、仿真评估、灰度发布、效果对比和异常回滚，确保策略优化能够提升防护效果，同时降低对正常业务的影响。
- 构建“数据采集—样本沉淀—效果评估—问题归因—策略优化—灰度验证—结果反馈”的自迭代闭环，推动防护能力从人工经验驱动向数据与智能驱动演进。
职位要求
- 计算机、网络空间安全、通信、人工智能、软件工程、数学或相关专业，硕士及以上学历，博士优先。
- 熟悉计算机网络基础，理解 TCP/IP、UDP、DNS、HTTP/HTTPS 等常见协议，了解 SYN Flood、UDP Flood、反射放大、应用层 CC 等常见 DDoS 攻击方式。
- 具备良好的编程能力，熟悉 Python，并掌握 Go、C++、Java 中至少一种语言；具备扎实的数据结构、算法及 Linux 基础。
- 了解机器学习基本原理，熟悉特征工程、模型训练和效果评估方法；有 PyTorch、TensorFlow、Scikit-learn 等框架使用经验者优先。
- 对海量数据处理、实时计算或分布式系统有一定了解，接触过 Kafka、Flink、Spark、ClickHouse、Elasticsearch 等技术者优先。
- 具备较强的问题分析和工程落地能力，能够从数据和业务现象中定位问题，并推动方案持续迭代。
- 对网络安全和智能化攻防有浓厚兴趣，具有主动学习能力、责任心及良好的团队协作意识。
