- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Ведущий инженер по информационной безопасности (ML/AI)
Оценка ИИOzon Tech — топовый работодатель с сильной инженерной культурой. Вакансия находится на острие технологий (AI + Security), предлагает удаленный формат и работу над сложными, инновационными задачами.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания глубоких знаний в области информационной безопасности (AppSec) и практических навыков разработки AI-агентов. Кандидат должен уметь писать качественный код на Python/Go и понимать специфику работы LLM в закрытых контурах.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции ведущего инженера (Senior) в Ozon Tech рыночные ожидания составляют от 350 000 до 500 000 рублей. Учитывая редкую специализацию на стыке ML и ИБ, итоговое предложение может быть выше среднего по рынку.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Ozon Tech уже сейчас
Присоединяйтесь к Ozon Tech, чтобы внедрять инновационные AI-решения в процессы безопасности крупнейшего маркетплейса!
Описание вакансии
**Ведущий инженер по информационной безопасности (ML/AI).
Локация:** Можно работать удаленно.
Опыт: 3–6 лет.
Зарплата: ₽. Обсуждается на собеседовании.
Компания: Ozon Tech.
Обязанности:• Проектировать, разрабатывать и внедрять LLM/AI-агентов в процессы AppSec: автотриаж находок SAST/DAST/SCA и secret scanning, дедупликация и приоритизация.
• Строить агентные пайплайны поверх кодовой базы: анализ графа вызовов и потоков данных, поиск уязвимых паттернов, подтверждение эксплуатируемости.
• Выстраивать новые рабочие процессы команды на базе AI-решений - от пилотов и MVP до продуктивной эксплуатации в CI/CD и ASOC.
• Оценивать применимость моделей и агентных архитектур к задачам AppSec: собирать эталонные выборки, измерять качество (TP/FP/FN), строить регрессионные наборы и бенчмарки, формировать обоснованные рекомендации по внедрению.
• Разрабатывать production-ready сервисы и интеграции с существующей инфраструктурой (GitLab API, Jira, ASOC, реестры артефактов, SIEM).
• Учитывать и минимизировать риски использования LLM: утечка исходного кода и секретов в модель, prompt injection из анализируемого кода и тикетов, неконтролируемые права агента в репозиториях и CI.
• Участвовать в проектах команды: аудиты, триаж, развитие SSDLC.
• Работать в тесном контакте с командами разработки, платформы и инфраструктурной безопасности для выявления точек, где AI-агенты дадут наибольший эффект.
Требования:• Навыки программирования и автоматизации (Python или Go предпочтительны).
• Самостоятельное написание production-ready кода.
• Практический опыт работы с LLM/AI: использование API моделей, построение агентных пайплайнов, работа с RAG, промпт-инжиниринг, понимание ограничений и рисков.
• Понимание применения LLM/AI именно в контексте безопасности приложений.
• Понимание уязвимостей уровня приложения (инъекции, IDOR, SSRF, десериализация, проблемы аутентификации и авторизации).
• Опыт работы со сканерами (SAST/DAST/SCA, secret scanning) и понимание природы их ложных срабатываний.
• Опыт проектирования архитектуры новых процессов и сервисов, умение самостоятельно принимать и обосновывать технические решения.
• Базовое инженерное понимание CI/CD (GitLab CI или аналоги), контейнеров и Kubernetes.
• Способность работать на стыке нескольких команд, выступать драйвером изменений.
• Инициативность, самостоятельность и готовность строить процессы «с нуля» в быстро меняющейся области.
*✈* Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- Kubernetes
- RAG
- Docker
- Jira
- Go
- SIEM
- GitLab CI
- SCA
- SAST
- DAST
- AppSec
- SSDLC
Возможные вопросы на собеседовании
Проверка понимания специфических рисков при использовании LLM в ИБ.
Как вы планируете защищать агентные пайплайны от атак типа Prompt Injection, если агент анализирует потенциально вредоносный код из репозиториев?
Оценка навыков автоматизации AppSec процессов.
Опишите ваш подход к автоматизации триажа находок SAST с помощью LLM: как минимизировать галлюцинации модели при анализе потоков данных?
Проверка инженерных навыков и работы с инфраструктурой.
Как бы вы спроектировали масштабируемую архитектуру сервиса, который должен в реальном времени анализировать MR в GitLab с использованием тяжелых LLM?
Оценка умения измерять эффективность внедряемых решений.
Какие метрики (кроме Precision/Recall) вы бы использовали для оценки бизнес-эффективности внедрения AI-агента в процесс обработки уязвимостей?
Проверка знаний в области классического AppSec.
Расскажите о наиболее сложном кейсе подтверждения эксплуатируемости уязвимости (например, IDOR или SSRF), который вы бы хотели автоматизировать в первую очередь.
Похожие вакансии
AI / Product Engineer (.NET)
AI разработчик
AI Automation / Full-stack Engineer с опытом Claude Code / Codex, MCP, API
Python-разработчик в AI-продукт
Python / LLM Engineer: RAG и ИИ-агенты
GenAI-разработчик / бизнес-аналитик
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!