杭州测试技术员
测试技术员是负责在软件开发过程中进行测试的专业人员。他们负责制定测试计划，设计测试用例和测试数据，执行测试，并记录和报告软件的缺陷。测试技术员还需要与开发团队合作，确保软件在开发过程中达到高质量标准。他们要具备良好的问题解决能力、逻辑思维和分析能力。此外，他们还需要熟悉测试工具和技术，包括自动化测试、性能测试和安全测试等。测试技术员通常在软件开发团队中发挥着至关重要的作用，帮助确保产品质量和用户体验。这个职位需要有耐心、细心和严谨的工作态度，以及与团队合作的能力。
薪酬概览
平均月薪
¥7200
中位数 ¥6500 ｜ 区间 ¥5900 - ¥8500
数据来源：谈职全网78份招聘数据；更新时间：2026年7月13日
月薪分布
79.5% 人群薪酬落在 0-8k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
83
对比上月：岗位减少95
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 50 | 75.8% |
| 1-3年 | 5 | 7.6% |
| 不限经验 | 11 | 16.7% |
热招职位
● 建设安全领域的信息监测与分析能力，覆盖舆情、行业动态、外部风险等多类信源，形成常态化运转机制；
● 建立风险分级评估与预警体系，提升对突发事件和潜在风险的感知灵敏度；
● 探索AI及大模型技术在信息采集、分析研判环节的应用，推动智能化能力演进；
● 定期输出风险态势分析与专题研究报告，为管理层决策提供信息支撑；
● 承接外部协作事务的流程化管理，确保高效闭环与合规落地；
● 关注行业合规趋势变化，提前研判潜在影响并储备应对策略；
● 推动外部协作成果向业务能力的转化，将合作经验沉淀为可复用的方法论与产品能力；
● 以数据驱动运营策略，建立量化评估体系持续衡量效果并迭代优化；
● 协同内部多团队资源，推动运营方案从设计到落地的全程执行；
1、协助团队进行数据收集、清洗和整理，确保数据准确性和完整性。
2、运用基础统计方法，对业务数据进行初步分析，支持日常运营和决策。
3、协助制作数据报告和仪表盘，将数据分析结果可视化，便于理解。
4、参与数据分析项目的各个阶段，从需求理解到方案落地，学习并贡献自己的力量。
5、与业务团队沟通协作，理解业务需求，并将数据分析结果转化为可执行的建议。
6、完成上级交办的其他数据支持相关工作。
1. 负责激光雷达电子相关的失效分析工作，包括问题定位、根因分析、风险评估和改进方案制定。
2. 建立并优化硬件失效分析流程和方法，提高分析效率和准确性。
3. 协同研发、生产和客户质量团队，解决产品在研发、制造和售后阶段遇到的硬件相关问题。
4. 进行失效模式与影响分析（FMEA），并基于分析结果提出产品设计和制程改进建议。
5. 编写详细的失效分析报告，并向管理层和客户（整车厂）清晰传达分析结果和改进措施。
1. 根据业务领域特点开展项目质量策划；
2. 项目过程质量控制，质量监控，质量改进，引导项目流程过点；
3. 质量管理体系建设、优化和维护；
4. 持续研究质量工程方法，在项目推荐合适的质量工具解决业务问题；
5. 制定质量氛围建设方案并实施落地；
1. 防御机制测试： 对公司内大模型的安全围栏进行黑盒测试，通过实验分析其在内容过滤、逻辑保护方面的实现路径和问题，并输出分析报告。
2. 安全围栏建设： 参与公司模型的内容审计系统开发，编写并维护核心的防御 Prompt 和过滤规则库。
3. 风险路径探测： 对公司模型系统（含插件、沙箱）进行常规的安全评估，识别提示词泄露和接口滥用的潜在风险，并提出加固建议。
4. 反蒸馏技术落地： 协助落地基础的防爬取、模型输出干扰等风控方案，保护公司模型资产。
5. 跨团队协作： 与算法团队配合，将发现的安全漏洞转化为模型微调或对齐的训练样本。
我们正在打造一支 AI Native SDL团队，重新定义 AI 时代的软件安全开发生命周期。AI 不仅是我们保护的对象，更是我们工作的核心方式。我们相信安全流程正在从依赖规则、人工经验，演进为由 AI 驱动的智能工程。
* 设计并建设 AI Native SDL 体系，保障 AI 应用、Agent、MCP 等新型业务形态从设计、开发到运行阶段的安全。
* 负责 AI 应用安全架构设计，建立覆盖研发全生命周期的安全能力。
* 构建 Agent 身份认证、权限控制、工具调用、数据访问及运行时安全防护体系。
* 构建覆盖 Prompt Injection、Tool Abuse、模型滥用、越权访问、数据泄露等 AI 风险的纵深防御能力。
* 推动 AI 安全能力平台化、产品化，为研发提供统一、安全、易用的基础能力。
1. 基于流量大数据结合终端采集，分析流量行为，挖掘机器攻击风险流量
2. 深入分析流量风险，挖掘风险背后的形态（如手法、团伙、意图等）并持续跟踪。
集团安全部-高级安全工程师/安全专家-AI安全工程与风险运营
安全工程与风险感知方向：
* 建设企业级风险感知体系，持续发现业务及 AI 系统安全风险。
* 建设攻击检测、异常行为分析、威胁狩猎及自动化响应能力，提升风险发现与处置效率。
* 打造 AI Native SDL 平台，推动安全检测、安全评审、安全测试及研发流程自动化。
* 利用 AI 构建智能告警分析、攻击研判、自动化响应及安全 Copilot 能力。
* 建设统一安全数据平台，持续提升检测能力、运营效率及安全工程能力。
漏洞治理与风险运营方向
* 熟悉常见漏洞原理及应用安全体系，具备扎实的漏洞分析能力。
* 有 SDL、漏洞运营、风险治理等相关经验。
* 熟悉 SAST、DAST、IAST、SCA、RASP 等安全技术或产品。
* 具备自动化开发能力，能够利用工程化方式提升治理效率。
* 对 AI 在漏洞治理、风险分析及自动化运营中的应用有实践或浓厚兴趣。
* 具备良好的数据分析能力和持续优化意识。
1. 设计大模型推理（reasoning trace / CoT blob）的加密与隐私保护方案，覆盖密钥管理（per-user / per-session 密钥体系）、加密协议选型、防重放机制设计。
2. 防御机制拆解： 跟踪国内外主流模型的安全策略，通过实验分析其在内容过滤、逻辑保护方面的实现路径。
3. 安全围栏建设： 构建覆盖 Prompt Injection、Tool Abuse、模型滥用、越权访问、数据泄露等AI 风险的纵深防御能力
4. 反蒸馏技术落地： 协助落地基础的防爬取、模型输出干扰等风控方案，保护公司模型资产。
5. 跨团队协作： 与算法团队配合，将发现的安全漏洞转化为模型微调或强化学习的训练样本，并实验验证效果。
6. 系统化：建设企业级安全风险感知体系，持续发现业务及 AI 系统安全风险。推动AI安全能力平台化、产品化，为AI开发提供统一、安全、易用的基础能力。
1. 负责 EDR 等终端安全产品在 Windows 和 macOS 平台的有效性对抗和验证，评估并发现防御体系盲区。
2. 参与授权下的内部红紫对抗攻防演练，基于自研 AI Agent 开展社会工程学防御验证、边界突破、终端落地及持久化等，推动检测和防御能力改进。
3. 基于大模型智能体框架建设自动化攻防能力，实现攻击面分析、任务规划、工具调用、终端对抗和攻击链编排。
4. 对常见智能体进行安全攻防对抗，包括但不限于智能体驱动的新型社会工程学攻击手法、智能体终端持久化及防御检测绕过等。
1.负责跟踪业界前沿的安全攻防技术能够评估大模型、智能体安全风险；建设关键基础设施安全防护方案设计与落地。
2.主导SDL安全开发流程优化，建立AI场景下的威胁建模与风险评估体系。
3.负责淘宝闪购数据安全技术前瞻性研究，沉淀数据安全技术和孵化数据安全智能体能力。
4.主导或参与智能体安全工具链的开发与集成，提升智能体安全风险检测、防御与响应能力；
1、负责产品量产阶段的制造质量管理工作，建立并持续优化生产过程质量控制体系，运用过程方法识别、监控及改善关键质量风险，推动相关部门落实标准化作业及质量要求。
2、运用SPC、MSA、FMEA、APQP、PPAP等质量工具开展质量管理活动，对生产过程能力、关键质量指标及异常问题进行分析与改善，确保产品和过程满足质量要求。
3、主导生产过程中的质量异常分析与闭环改善，推动跨部门团队开展根因分析（8D、5Why、鱼骨图等），跟踪纠正预防措施的实施效果，持续提升产品质量及制造过程稳定性。
4、监督品质检验标准、控制计划（Control Plan）及作业指导书的执行情况，推动质量意识提升及质量文化建设，确保出货产品满足客户要求及公司质量目标。
5、参与新产品开发、试制及NPI导入过程，制定产品质量计划、检验规范及质量控制方案，推动产品顺利导入量产并实现质量目标达成。
6、收集并分析生产过程质量数据，建立质量看板及关键质量指标监控机制，推动良率提升、制程优化及质量成本持续改善。
7、配合研发、工艺、生产、供应链及客户质量团队开展质量改进项目，支持客户投诉分析、产品可靠性提升及质量体系持续优化。