我们正在建设面向AI Agent的运行时安全和免疫系统，希望持续发现Agent在输入、记忆、工具、权限、供应链、宿主环境和多步行动中的风险，并把攻击研究转化为可重复的测试、检测和防护能力。 这个岗位不是只做测评报告或简单扫描，而是需要真正设计攻击、编写工具、复现问题，并参与检测、阻断和修复闭环。 岗位职责: 1.研究Agent、LLM应用、MCP、工具调用、RAG、Memory和运行时环境中的新型攻击面。 2.发现并复现Prompt Injection、数据与记忆投毒、工具滥用、身份冒充、权限越界和供应链攻击等风险。 3.编写攻击脚本、PoC、Fuzzer、自动化测试工具或攻防平台模块。 4.建设可重复的攻击样本库，明确攻击前提、成功判据、影响范围和验证方法。 5.与算法和工程团队共同设计检测、阻断、回滚、修复和回归测试。 6.将一次性研究成果沉淀为自动化用例、规则、Benchmark或可持续运行的产品能力。

任职要求： 1.在漏洞研究、红蓝对抗、代码审计、恶意代码、安全工具或攻防平台中至少有一项扎实能力。 2.有真实代码、PoC、漏洞、攻击工具或可深入讲解的攻防案例。 3.能完整说明攻击前提、利用链、成功条件、影响、检测方式和修复方案。 4.具备较强的问题定位和实验能力，能够区分环境变化、目标变化和利用链不稳定等原因。 5.愿意研究Agent和AI应用的新攻击面，而不是把传统 Web渗透简单换一个名称。 6.主动性强，愿意持续研究、动手验证并公开或内部沉淀成果。 加分项: 1.有Agent Red Teaming、LLM应用安全、MCP安全或模型越狱研究经验。 2.有EDR、RASP、沙箱、主机、容器、供应链或身份权限攻防经验。 3.开发过Fuzzer、漏洞扫描器、攻击框架、恶意代码分析工具或攻防靶场。 4.有公开漏洞、CVE、开源项目、安全文章或会议分享。 5.能从恶意输入一直追踪到系统动作、权限变化和真实业务影响。 我们关注的不是做过多少测评项目，而是能否真正攻进，去、解释为什么成功，并把攻击变成可复现、可检测、可修复的工程能力。