返回岗位列表

隐私研究工程师

查看原岗位

地点：美国薪资：$380K-$460K 日期：2026-01-29

岗位摘要

设计和原型化可扩展的隐私保护机器学习算法（如差分隐私、安全聚合、联邦学习）；测量并增强模型对隐私攻击（如成员推断、模型反转和数据记忆泄漏）的鲁棒性，平衡效用与可证明的保证；开发内部库、评估套件和文档，使工程和研究团队能够使用前沿的隐私技术

岗位职责

设计和原型化可扩展的隐私保护机器学习算法（如差分隐私、安全聚合、联邦学习）
测量并增强模型对隐私攻击（如成员推断、模型反转和数据记忆泄漏）的鲁棒性，平衡效用与可证明的保证
开发内部库、评估套件和文档，使工程和研究团队能够使用前沿的隐私技术
深入研究大型模型的隐私与性能权衡，发布见解以指导模型训练和产品安全决策
定义和编纂隐私标准、威胁模型和审计程序，指导整个机器学习生命周期（从数据集整理到部署后监控）
与安全、政策、产品和法律团队合作，将不断变化的法规要求转化为实际的技术保障和工具

任职要求

具备隐私增强技术（PETs）的实际研究或生产经验
熟悉现代深度学习框架（PyTorch/JAX），并能将前沿论文转化为可靠、经过良好测试的代码
喜欢对模型进行压力测试，探测其是否存在隐私数据泄漏，并能清晰地向非专家解释复杂的攻击向量
有发表（或实施）新颖隐私或安全工作的记录，并乐于弥合学术界与现实世界系统之间的差距
在快节奏、跨学科的环境中茁壮成长，能够在开放式研究和紧迫期限内交付生产功能之间切换
沟通清晰，文档严谨，并深切关注构建尊重用户隐私同时推动能力前沿的人工智能系统

福利待遇

提供搬迁援助