[Skip to main content](#main-content)

[OpenNash Jobs](https://jobs.opennash.com/)
[Hiring report](/reports/hiring/) · [All JD.com jobs](https://jobs.opennash.com/companies/jd/) · [Search jobs](/search/)

JD.com · 北京市-北京市

# 大模型驱动的软件漏洞智能发现与自动化验证研究

北京市-北京市 

Listed on JD.com’s official careers site. Posted August 17, 2026. Check that it is still open and apply there.
[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=9338)

[OpenNash Jobs](https://jobs.opennash.com/) / [JD.com](https://jobs.opennash.com/companies/jd/) / 大模型驱动的软件漏洞智能发现与自动化验证研究

## Job description

工作职责
- 负责基于大语言模型的漏洞自动化挖掘技术研究与系统研发，探索智能程序分析方法在源代码、闭源程序及复杂系统中的落地应用；
- 攻坚大模型在漏洞模式识别、安全代码审计，以及动静态程序分析等核心方向的算法创新与能力构建；
- 深入研究基于大模型的智能模糊测试用例生成、测试反馈分析、漏洞成因诊断、漏洞验证及自动化POC生成技术；
- 主导面向漏洞挖掘领域的智能体（Agent）及多智能体协同工具的研发与优化，提升端到端漏洞挖掘的自动化水平；
- 负责高质量漏洞数据集、代码数据集、安全知识库及评测基准（Benchmark）的构建与标准化维护；
- 设计并实现大模型驱动的漏洞挖掘系统、实验验证平台及全链路自动化流水线，推动安全大模型能力的工程化落地； 任职要求
- 获得本科及以上学历，计算机科学、网络空间安全、软件工程或人工智能等相关专业；
- 具备扎实的程序分析与大语言模型应用经验，熟练掌握面向源代码、闭源程序及复杂软件系统的智能静态/动态分析、漏洞模式识别与安全代码审计方法；
- 深入理解自动化漏洞挖掘技术体系，具备基于大模型的智能模糊测试用例生成、测试反馈分析、漏洞成因诊断及自动化POC生成的实战开发能力；
- 熟悉安全领域智能体（Agent）及多智能体协作机制，具备构建安全知识库、漏洞数据集、评测基准（Benchmark）以及设计实验验证平台与端到端自动化流水线的能力；
- 在CCS、NDSS、IEEE S&P、USENIX Security等网络安全顶级会议或AI顶级学术会议有高质量论文发表记录，或在自动化漏洞挖掘与系统开发领域有深厚的工程落地经验者优先。

## At a glance
- Posted by the employer: Aug 17, 2026
- First seen by OpenNash: Oct 19, 2026
- Last checked: Oct 19, 2026
- Listed for: 63 days
- Location: 北京市-北京市[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=9338)

## More jobs at JD.com

### [3D医疗影像多模态基础大模型研究](https://jobs.opennash.com/companies/jd/jobs/31cea141d3ff4222fc49/)

北京市-北京市

### [3D可控生成与空间智能多模态研究](https://jobs.opennash.com/companies/jd/jobs/9264cfdaab33cfb45f96/)

北京市-北京市

### [AI多模态存储与向量化计算探索研究](https://jobs.opennash.com/companies/jd/jobs/e91a2f3f9d7be9a91867/)

北京市-北京市

### [CodeAI代码大模型全链路与推理优化](https://jobs.opennash.com/companies/jd/jobs/234f9df632b03e4bec55/)

北京市-北京市

OpenNash lists jobs from employers’ own careers sites and does not handle applications.
Dates come from the employer where stated; “first seen” and “last checked” are our own observations.

OpenNash Jobs · Official listings with dates and links to the employer. [Weekly hiring report](/reports/hiring/) · [Methodology](/methodology/)