Ведущий инженер по информационной безопасности (ML/LLM)
Оценка ИИOzon Tech — сильный бренд с передовым стеком. Вакансия уникальна фокусом на AI Security, предлагает удаленный формат работы и возможность стать первопроходцем в создании стандартов безопасности ИИ.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания классического AppSec и глубокой экспертизы в ML/LLM. Необходимо уметь не только находить веб-уязвимости, но и проводить сложные атаки на ИИ-модели, создавая методологию защиты с нуля.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции ведущего инженера (Senior/Lead) в крупном российском финтехе или e-commerce рынке, вилка обычно составляет от 350 000 до 550 000 рублей после налогов. Предложение Ozon Tech, вероятно, находится в верхнем сегменте рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
**Ведущий инженер по информационной безопасности.
Локация:** Можно работать удаленно.
Опыт: 3–6 лет.
Зарплата: ₽. Обсуждается на собеседовании.
Компания: Ozon Tech.
Обязанности:• Проводить аудиты безопасности ML/LLM-систем: инференс-сервисы, RAG-пайплайны, агенты с доступом к инструментам, MCP-серверы, ML-платформа и её артефакты (модели, датасеты, фичестор).
• Ломать системы на базе ИИ: прямой и косвенный prompt injection, джейлбрейки, эксфильтрация системных промптов и данных, злоупотребление tool calling, выход агента за границы разрешённого, отравление данных и моделей, атаки на цепочку поставки (веса, pickle, кастомные операторы, сторонние модели).
• Развивать DAST под AI-эндпоинты: харнесс и сканер для LLM-интерфейсов, автоматизированные наборы атак, регрессионное тестирование моделей и защитных механизмов, встраивание проверок в CI/CD.
• Проверять эффективность защитных механизмов (гарды входа и выхода, фильтры, лимиты, изоляция инструментов и данных) и формировать обоснованные требования к ним.
• Формировать стандарты безопасной разработки AI-сервисов: модели угроз, чек-листы ревью, требования к правам агентов, работе с секретами и изоляции окружений.
• Разрабатывать автоматизацию и инструментарий на Python или Go, интегрировать его с существующими системами (ASOC, Jira, CI/CD, SIEM).
• Участвовать (около 20% времени) в проектах команды по безопасности приложений.
• Работать в тесном контакте с командами ML-платформы, разработки и инфраструктурной безопасности.
Требования:• Знание основных уязвимостей веб-приложений и API (OWASP Top 10) на уровне, достаточном, чтобы находить и объяснять их.
• Понимание ML в целом: как модели обучаются, валидируются и попадают в прод, из чего состоит ML-пайплайн (данные, обучение, хранение и сериализация весов, реестр моделей, инференс).
• Практическое понимание LLM: инференс, RAG, агентные архитектуры, tool calling, опыт работы с API моделей и промпт-инжинирингом.
• Представление о специфических рисках AI-систем: prompt injection, отравление данных, атаки на цепочку поставки моделей.
• Базовое понимание ОС, сетей, контейнеров и Kubernetes.
• Самостоятельность и готовность работать в области без устоявшихся методологий и создавать их.
*✈* Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- LLM
- Kubernetes
- CI/CD
- RAG
- Docker
- Jira
- Go
- SIEM
- DAST
- OWASP Top 10
- AppSec
- ML
Возможные вопросы на собеседовании
Проверка практического опыта в специфических атаках на LLM.
Расскажите о наиболее эффективных методах предотвращения непрямых инъекций промптов (indirect prompt injection) в RAG-системах.
Оценка навыков автоматизации безопасности.
Как бы вы спроектировали автоматизированный сканер (DAST) для тестирования LLM-интерфейсов на предмет выхода агента за границы разрешенного?
Проверка понимания рисков инфраструктуры ML.
Какие основные векторы атак вы видите при использовании сериализованных моделей (например, в формате pickle) и как их минимизировать?
Оценка умения работать с архитектурой.
Какие требования к изоляции окружений вы бы предъявили для MCP-серверов и агентов с доступом к внешним инструментам?
Проверка навыков моделирования угроз.
Опишите процесс построения модели угроз для ML-платформы: на каких этапах жизненного цикла модели возникают критические риски?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
