招贤纳士

1.对安全多方计算、联邦学习、可信执行环境等领域进行前瞻性技术预研、参与科研工作，完成相关的技术预研工作;

2.负责基于机器学习与密码学算法的多方安全计算、联邦学习、同态加密、匿踪查询等框架的设计、研发工作;

3.负责数据安全与隐私计算平台、核心算法模块的技术研究、开发工作;

4.运用隐私计算先进技术，突破性解决隐私搜索、隐私合规、隐私计算等关键领域的难题挑战并实施落地;

5.调研安全多方计算、联邦学习、可信执行环境等领域学术界和工业级的最新进展、参与国家或省部级科研课题或项目的申报、实施。

1.精通密码学、安全多方计算、联邦学习、可信计算等至少其中一项安全技术;拥有多方安全计算(OT、同态加密、秘密分享、混淆电路等)、联邦学习、TEE、匿踪查询等隐私保护技术的应用及开发经验;

2.对SecretFlow、FATE、PaddleFL、TensorFlow Federated、PySyft、TF-Encryption、CrypTen等开源项目有深入研究与应用经验优先;

3.具备隐私计算、联邦学习等算法研究经历，有优秀成果者优先;

4.有联邦学习、安全多方计算相关的期刊、会议论文发表，有实际成果并发表在国际顶级会议、期刊者优先。

1.深度学习算法，深度学习框架包括Pytorch、Tensorflow等在实际问题或场景中的应用落地;

2.多方安全计算、联邦学习算法设计和实现，包括但不限于密码、机器学习、实现加速等算法;

3.负责隐私计算核心算法组件研发、优化、测试等;

4.相关前沿算法或技术调研、分析等，研发隐私计算(联邦学习，多方安全计算，可信计算环境)等相应的算法和系统。

1.熟悉常用的机器学习算法、熟悉深度学习算法、了解纵向、横向联邦学习算法;

2.熟悉至少一种大规模分布式机器学习/深度学习框架，包括Pytorch、Tensorflow等、熟悉大语言模型算法或系统优先。

3.对SecretFlow、FATE、TensorFlow、Federated、PySyft等开源项目有研究或开发经验优先;

4.熟悉密码学或机器学习，掌握安全多方计算、同态加密、差分隐私、零知识证明、可信计算、联邦学习等至少其中一项技术;

5.至少熟悉一门开发语言(C/C++、Python或JAVA)，算法基础扎实。

1.参与隐私计算平台整体架构设计、负责隐私计算平台相关研发工作，解决实际业务中的数据安全和隐私保护问题，实现数据的可用不可见;

2.参与软硬件结合的隐私计算方案、产品、支撑平台设计/开发/测试、支以及应用系统的设计与实现;

3.负责基于机器学习算法的联邦学习、多方安全计算、差分隐私、同态加密框架的设计、开发及优化;

4.负责设计和实现隐私计算的部署、监控、运营等系统，优化系统的性能、稳定性、可扩展性，适配业务发展需求;

5.针对隐私保护安全场景提出创新的隐私计算协议、算法、方案。

1.具有多方安全计算、联邦学习、可信执行环境等相关领域的基础知识、了解多方安全计算、联邦学习等隐私计算技术，有隐私计算相关系统、平台、产品的研发实践经验者优先;

2.对SecretFlow、FATE、TensorFlow、Federated、PySyft等开源项目有研究或开发经验优先;

3.有扎实的计算机基础知识，熟悉Linux 操作系统、网络协议，熟悉常见的数据结构与算法，熟悉以下至少一门编程语言：C、C++、Python、Java，有优秀的工程能力;

4.熟悉大数据处理组件例如Spark、Hadoop等，以及消息队列、RPC 、任务调度等常用开源框架，有大规模分布式系统的设计、研发与运维实践经验优先;

5.具备良好的问题分析、归纳、总结和解决能力，以及优秀的沟通与团队协作能力。

1.对安全多方计算、联邦学习、可信执行环境等领域进行前瞻性技术预研、参与科研工作，完成相关的技术预研工作;

2.负责基于机器学习与密码学算法的多方安全/计算、联邦学习、同态加密、匿踪查询等框架的设计、研发工作;

3.调研安全多方计算、联邦学习、可信执行环境等领域学术界和工业级的最新进展、参与国家或省部级科研课题或项目的申报、实施。

1.计算机、人工智能、密码学、信息安全、应用数学等相关专业或研究方向，硕士以上学历，三年以上相关工作经验，博士、博士后或高级以上职称优先;

2.精通安全多方计算、联邦学习、可信执行环境等至少其中一项安全技术;拥有多方安全计算、联邦学习、TEE、匿踪查询等隐私保护技术的应用及开发经验;

3.对SecretFlow、FATE、PaddleFL、TensorFlow Federated等开源项目有深入研究与应用经验优先;

4.具备隐私计算、联邦学习等算法研究经历，有优秀成果者优先;

5.有联邦学习、安全多方计算相关的期刊、会议论文发表，有实际成果并发表在国际顶级会议、期刊者优先。

1.深度学习算法、深度学习框架(包括Pytorch、Tensorflow)、大语言模型等在实际问题或场景中的应用落地;

2.负责深度学习/大语言模型/隐私计算核心算法组件研发、优化、测试等;

3.参与多方安全计算、联邦学习算法设计和实现，包括但不限于联邦学习，多方安全计算，可信计算环境等算法或平台研发;

4.相关前沿算法或技术调研、分析等，参与国家或省部级科研课题或项目的申报、实施。

1.计算机、人工智能、密码学、信息安全等相关专业或研究方向，硕士以上学历，三年以上相关工作经验，博士、博士后或高级以上职称优先;

2.熟悉至少一种大规模分布式机器学习/深度学习框架，包括Pytorch、Tensorflow等、熟悉大语言模型算法或系统优先。

3.对SecretFlow、FATE、TensorFlow、Federated等开源项目有研究或开发经验优先;

4.熟悉大数据处理组件例如hive、hdfs等组件或生态优先，

5.至少熟悉一门开发语言(C/C++、Python或JAVA)，算法基础扎实。

1.参与虚拟化安全与集群调度、隐私计算平台(TEE)整体架构设计、负责虚拟化平集群台/相关研发工作;

2.参与软硬件结合的隐私计算方案、产品、支撑平台设计/开发/测试、支以及应用系统的设计与实现;

3.负责设计和实现虚拟化集群调度、TEE系统或平台的部署、监控、运营等系统，优化系统的性能、稳定性、可扩展性，适配业务发展需求;

4.负责重点技术攻关、技术调研、项目申报等。

1.计算机、人工智能、密码学、信息安全等相关专业或研究方向，硕士及以上学历，3年以上虚拟化系统、虚拟化安全或可信执行环境研发经验，研究方向是计算机系统安全，如容器安全、可信执行环境TEE相关博士优先;

2.熟悉linux内核，熟悉kernel,有内核开发经验的优先;

3.熟悉虚拟化及容器相关技术如kvm/docker等虚拟化技术，熟悉libvirt原理;

4.对k8s、kata等架构有比较深入的了解;

5.熟悉以下至少一门编程语言：C、C++、Python、Java，有优秀的工程能力。