- Страна
- Россия
Инженер по информационной безопасности | Подгруппа безопасности ML
Оценка ИИOzon Tech — топовый работодатель с сильной инженерной культурой. Вакансия находится на острие технологий (AI Security), предлагает удаленный формат работы и возможность влиять на безопасность критически важных систем.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью сочетать глубокие знания классической кибербезопасности с узкой специализацией в области ML (LLM, RAG, MCP). Требуется опыт Red Teaming и понимание специфических векторов атак на нейросети.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для специалистов уровня Middle+/Senior в области ИБ и ML в Москве рыночный диапазон составляет от 250 000 до 450 000 рублей. Ozon Tech обычно предлагает конкурентоспособные условия, соответствующие верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
**Инженер по информационной безопасности | Подгруппа безопасности ML.
Локация:** Можно работать удаленно.
Опыт: 3–6 лет.
Зарплата: ₽. Обсуждается на собеседовании.
Компания: Ozon Tech.
Обязанности:• Исследовать уязвимости LLM, AI-агентов, ML, RAG, MCP и межагентных взаимодействий (red teaming).
• Проводить аудиты информационных систем и ML-сервисов компании по требованиям безопасности.
• Разрабатывать и улучшать требования информационной безопасности ML.
• Внедрять ML в ИБ процессы компании и группы.
Требования:• Опыт проведения аудитов безопасности информационных систем, включая оценку рисков ML решений.
• Знание подходов к защите ML: guardrails, фильтры ввода и вывода, DLP, маскирование.
• Понимание уязвимостей ML-систем: атаки на модели, инфраструктуру, защита данных при обучении.
• Базовые навыки prompt injection, adversarial attack, privilege escalation и другие.
*✈* Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Information Security
- Machine Learning Security
- LLM
- Red Teaming
- RAG
- DLP
- Prompt Injection
- Adversarial Attacks
- Risk Assessment
Возможные вопросы на собеседовании
Проверка практического опыта в Red Teaming для языковых моделей.
Расскажите о наиболее эффективных техниках prompt injection, которые вы использовали для обхода систем фильтрации LLM?
Оценка понимания архитектурных рисков при использовании RAG.
Какие основные векторы атак вы видите в архитектуре RAG и как бы вы предложили защищать векторные базы данных?
Проверка навыков защиты данных на этапе обучения.
Как предотвратить утечку конфиденциальных данных (PII) через ответы модели, если эти данные попали в обучающую выборку?
Оценка умения выстраивать процессы безопасности.
Какие метрики вы бы использовали для оценки эффективности внедренных ML-guardrails?
Проверка знаний в области безопасности инфраструктуры ML.
В чем заключаются основные риски безопасности при использовании протокола MCP (Model Context Protocol) в межагентных взаимодействиях?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
