腾讯安全-流量风控高级策略算法工程师

Job description

策略体系设计

• 面向注册登录、营销反作弊、爬虫机刷、账号盗用等流量场景，设计并迭代黑白名单、频控、设备与 IP 画像分层、行为序列等多层次策略体系，明确优先级编排与分级处置（放行 / 校验 / 拦截）逻辑。

策略算法化与阈值调优

• 把专家经验沉淀为可量化、可自动调参的策略模型，用规则抽取、阈值搜索、Lift 评估等方法替代经验拍板，在拦截率与误伤率的双约束下求最优解。

对抗运营与快速响应

• 跟踪黑产手法变招，从案例回溯中提炼特征并完成小时级策略上线，形成"发现 — 定性 — 拦截 — 验证"的对抗闭环，持续压缩黑产的有效窗口期。

风险挖掘与团伙定性

• 基于海量离线流水做下钻分析、聚类与关联挖掘，主动发现尚未被策略覆盖的新型攻击模式，从"单点拦截"升级为"团伙定性"，并输出可解释的风险举证。

多租户策略产品化

• 面向不同行业沉淀标准策略套餐与冷启动模板，让样本极少的新接入客户开箱即得可用效果，同时支撑头部客户的深度定制需求。

效果度量与双向归因

• 建立策略级的召回率、误伤率、覆盖率口径，通过 A/B、影子模式、灰度放量验证每一次变更；对漏杀 / 误杀双向归因，定位效果衰减根因并驱动迭代。

策略与模型协同

• 与算法团队共建策略—模型协同的决策链路，把一线对抗经验反哺特征与模型建设；探索大模型、Agent 在策略生成、风险举证、样本标注上的落地可行性。 Requirements
• 计算机、数学、统计学、人工智能等相关专业本科及以上学历；5 年以上风控 / 反作弊策略或算法经验，具备 C 端大流量场景的策略实操经历。
• 熟悉注册登录、营销反作弊、爬虫机刷、账号盗用中至少一类场景的黑产手法与对抗方法，理解设备指纹、IP 画像、号码风险等基础风控数据能力。
• 精通 SQL，熟练使用 Python 完成数据分析与特征加工，熟悉 Hive / Spark / Flink 等大数据工具；具备扎实的机器学习基础，能独立完成规则挖掘与模型辅助决策。

具备严谨的数据思维

• 任何一条策略都能讲清覆盖量、命中构成、误伤估计与上线影响，而不是凭直觉判断。
• 对抗意识与业务敏感度强，能在信息不完整、样本无标注的情况下建立锚点、提出假设并快速验证。
• 良好的沟通协作与抗压能力，能直面客户投诉与线上突发，与产品、算法、运营、售后高效对齐。