Специалист по кибербезопасности AI/LLM-решений
Интересная и актуальная ниша на стыке ИБ и ИИ в крупной экосистеме. Хороший соцпакет с ДМС, включая стоматологию, и гибридный формат работы в Москве.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Роль требует редкого сочетания классического AppSec/Cloud Security и глубокого понимания специфических уязвимостей LLM (OWASP Top 10 for LLM). Необходимо уметь работать с Kubernetes и Python для автоматизации проверок.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в вакансии не указана, но для позиции Middle Cybersecurity Specialist в Москве рыночный диапазон составляет от 200 000 до 350 000 рублей. Учитывая узкую специализацию в AI/LLM, кандидат может претендовать на верхнюю границу рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Специалист по кибербезопасности AI/LLM-решений — СберЗдоровье
Middle, полная занятость. Москва, гибрид: от 2 дней в неделю у м. Технопарк. Официальное оформление.
СберЗдоровье — платформа сервисов цифровой медицины. Специалист будет проверять LLM-приложения, AI-агентов, RAG, векторные БД и интеграции с API. Предстоит проводить threat modeling, писать тесты на prompt injection и утечки, проверять guardrails, минимальные права агентов и ручное подтверждение чувствительных операций, изоляцию сессий, контекстов и памяти, запуск LLM в Kubernetes, логирование и аудит.
Что требуется:
— опыт в кибербезопасности от 2–3 лет в AppSec, DevSecOps, Cloud / Kubernetes Security, API Security или Product Security
— понимание security review, threat modeling, безопасной разработки и web/API-безопасности: аутентификация, авторизация, OAuth2/OIDC, SAML, JWT, RBAC, взаимодействие сервисов
— базовое понимание LLM-стека: prompt, system prompt, context window, RAG, embeddings, векторные БД, AI-агенты, их память и tools/function calling
— знание рисков prompt injection, indirect prompt injection, jailbreak, утечек, раскрытия system prompt, небезопасной обработки ответов и excessive agency
— понимание защиты RAG и векторных БД, рисков для персональных и конфиденциальных данных в локальных и облачных LLM
— основы Kubernetes и контейнерной безопасности: secrets, service account, RBAC, network policy и resource limits
— умение формулировать понятные и проверяемые требования безопасности для продуктовых команд
Также ищут:
— опыт security review AI/LLM, RAG, чат-ботов, ассистентов или агентов
— знакомство с OWASP Top 10 for LLM Applications, OWASP Agentic AI Threats, MITRE ATLAS и NIST AI RMF
— понимание защиты agent tools: allowlist, схемы параметров, контроль прав и human-in-the-loop
— опыт с SIEM/security logging: проектирование событий безопасности, аудит действий и расследование инцидентов
— понимание безопасного исполнения кода, сгенерированного моделью: sandbox, изоляция контейнеров, запрет доступа к secrets, ограничения сети и ресурсов
— базовые навыки Python, работы с JSON/YAML, API-тестирования или автоматизации security checks
Опыт с LLM-провайдерами, локальными моделями и inference-сервисами, guardrails, DLP и AI red teaming будет плюсом. Компания предлагает бесплатную телемедицину и очные приёмы в частных клиниках, включая стоматологию и психологов, обучение и частичную компенсацию спортивного абонемента.
А избранные IT-вакансии вы найдёте в нашем канале IT Job Hub.
Главная база знаний по кибербезу и пентесту — @hackproglib.
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Cybersecurity
- LLM
- RAG
- Kubernetes Security
- AppSec
- DevSecOps
- API Security
- Threat Modeling
- Prompt Injection Security
- OAuth2
- RBAC
- Python
- JSON
- YAML
- OWASP
Возможные вопросы на собеседовании
Проверка понимания специфических рисков LLM.
Расскажите о разнице между Direct и Indirect Prompt Injection и как вы предложите защищаться от второго типа атак в RAG-системе?
Оценка навыков проектирования безопасной инфраструктуры.
Какие механизмы изоляции вы бы внедрили для запуска LLM-агента, имеющего доступ к выполнению кода, в среде Kubernetes?
Проверка умения работать с данными.
Как предотвратить утечку персональных данных (PII) через векторную базу данных при использовании RAG?
Оценка практического опыта с фреймворками безопасности.
Как вы используете рекомендации OWASP Top 10 for LLM Applications при проведении Security Review нового AI-сервиса?
Проверка soft skills и взаимодействия с разработкой.
Как вы убедите команду разработки внедрить Human-in-the-loop для чувствительных операций, если они считают, что это замедляет UX?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

