岗位职责

1.负责基于机器学习与密码学算法的多方安全计算、联邦学习、差分隐私、同态加密、区块链、可信环境（TEE）、匿踪查询等框架的设计、研发与优化工作；

2.负责数据安全与隐私计算平台、核心算法模块的技术研究与产品研发落地工作；

3.对隐私保护、安全多方计算、联邦学习、TEE等领域进行前瞻性技术预研，并实现数据全生命周期隐私保护的创新技术方案，包括对算法、模型、机制、验证度量等相关理论的研究和优化；

4.攻克隐私计算核心技术，并解决隐私保护、高性能、拓展性等问题，通过自身丰富项目经验保证交付质量；

5.运用隐私保护先进技术，突破性解决隐私搜索、隐私合规、隐私计算等关键领域的难题挑战并实施落地；

6.参加前沿的密码学、隐私计算等前瞻性交流工作，指导和影响安全标准的制定。

任职要求

1.5年及以上工作经验、计算机、人工智能、密码学、信息安全、应用数学等相关专业硕士及以上，有多方安全计算、密码学、联邦学习、算法调优化等相关实际开发经验；

2.精通密码学、安全多方计算、可信计算等至少其中一项安全技术；

3.拥有以下任何隐私保护技术的应用及开发经验：多方安全计算（OT、同态加密、秘密分享、混淆电路等）、联邦学习、TEE、匿踪查询、区块链；

4.对PaddleFL、TensorFlowFederated、PySyft、TF-Encryption、CrypTen、FATE等开源项目有深入研究与应用经验；

5.扎实的安全理论基础，包括基本密码学算法、安全体系、权限模型、安全攻防；

6.熟悉至少一种大规模分布式机器学习/深度学习框架，包括Pytorch、Tensorflow等；

7.熟悉常用的机器学习算法，包括LR、DNN、RNN、xgboost、SVM、决策树、随机森林原理与应用场景；

8.JAVA或C/C++、GO、Python、Rust等基础扎实；

9.熟悉Docker/Kubernetes等容器化系统、熟悉CA、网络安全协议等基础知识和原理者优先；

10.有金融、政府、电力行业落地经验者优先；

11.有隐私计算技术相关的分布式系统设计、大数据开发经验优先；

12.有良好的编码习惯和技术文档编写能力、具有很强的沟通、组织和协调、团队合作能力，具有较强的业务需求分析能力；

13.有相关开源项目经验，或在顶级会议、期刊发表过实际成果者优先。