Ведущий инженер по информационной безопасности

Company: Ozon Location: Москва Experience: От 3 до 6 лет Key skills: Информационная безопасность, Information Security, OWASP Top 10, SSDLC

Привет! Это команда безопасности платформы.

Мы ищем инженера, который будет участвовать в направление безопасности систем на базе искусственного интеллекта. В компании быстро растёт число ML- и LLM-сервисов: инференс, RAG-пайплайны, ассистенты, агенты с доступом к внутренним инструментам. Вам будет необходимо проводить аудиты всех этих решений, участвовать в проектировании архитектуры и безопасного доступа для систем с LLM/ML.

Вы будете

• Проводить аудиты безопасности ML/LLM-систем: инференс-сервисы, RAG-пайплайны, агенты с доступом к инструментам, MCP-серверы, ML-платформа и её артефакты (модели, датасеты, фичестор).
• Ломать системы на базе ИИ: прямой и косвенный prompt injection, джейлбрейки, эксфильтрация системных промптов и данных, злоупотребление tool calling, выход агента за границы разрешённого, отравление данных и моделей, атаки на цепочку поставки (веса, pickle, кастомные операторы, сторонние модели).
• Развивать DAST под AI-эндпоинты: харнесс и сканер для LLM-интерфейсов, автоматизированные наборы атак, регрессионное тестирование моделей и защитных механизмов, встраивание проверок в CI/CD.
• Проверять эффективность защитных механизмов (гарды входа и выхода, фильтры, лимиты, изоляция инструментов и данных) и формировать обоснованные требования к ним.
• Формировать стандарты безопасной разработки AI-сервисов: модели угроз, чек-листы ревью, требования к правам агентов, работе с секретами и изоляции окружений.
• Разрабатывать автоматизацию и инструментарий на Python или Go, интегрировать его с существующими системами (ASOC, Jira, CI/CD, SIEM).
• Участвовать (около 20% времени) в проектах команды по безопасности приложений.
• Работать в тесном контакте с командами ML-платформы, разработки и инфраструктурной безопасности.

Нам важно

• Знание основных уязвимостей веб-приложений и API (OWASP Top 10) на уровне, достаточном, чтобы находить и объяснять их.
• Понимание ML в целом: как модели обучаются, валидируются и попадают в прод, из чего состоит ML-пайплайн (данные, обучение, хранение и сериализация весов, реестр моделей, инференс).
• Практическое понимание LLM: инференс, RAG, агентные архитектуры, tool calling, опыт работы с API моделей и промпт-инжинирингом.
• Представление о специфических рисках AI-систем: prompt injection, отравление данных, атаки на цепочку поставки моделей.
• Базовое понимание ОС, сетей, контейнеров и Kubernetes.
• Самостоятельность и готовность работать в области без устоявшихся методологий и создавать их.

Будет плюсом

• Опыт в ML-разработке или MLOps.
• Опыт с инференс-стеком (Triton, vLLM, TGI), MLflow или Kubeflow, реестрами моделей.
• Коммерческий опыт пентестов или аудитов безопасности приложений.
• Знакомство с MCP и фреймворками агентных систем (LangGraph, LangChain, CrewAI и аналоги).
• Опыт разработки гардов и фильтров для LLM-трафика.
• Публичные исследования, CVE, доклады, участие в AI red teaming или в программах bug bounty по LLM.