全端数据智能采集与逆向攻坚研究

课题背景 大模型的能力上限本质由训练数据的规模、质量与多样性决定。当前高价值数据正加速从开放网页向 App、小程序、H5等封闭端迁移，且普遍部署了严密的访问防护。如何突破多端壁垒、稳定获取这些高价值数据，已成为大模型团队"数据供给"的核心竞争力与关键攻坚方向。 课题挑战

1. 01

   多端异构覆盖，需同时攻克 Web、Android/iOS App、小程序、H5 等多种终端形态，各端的通信协议、运行环境与防 护机制差异巨大，通用方案难以覆盖；

2. 02

   是逆向破解，目标普遍采用参数加密、签名 校验、证书绑定（SSL Pinning）、代码混淆与加壳、风控与设备指纹等多层防护，需具备扎实的逆向分析与协议还原能力；

3. 03

   动态对抗，防护策略持续升级，要求采集系统具备快速跟进、自适应破解与自动化恢复能力；四是规模与稳健，需在高并发、大规模持续采集下兼顾成本、稳定性与合规边界。 具体工作 参与多端数据采集系统与逆向分析工具链的研发，攻克协议加密与风控对抗，实现关键数据源的稳定、高效、规模化获取，直接支撑大模型训练数据供给。

学历和专业要求 来自计算机科学、软件工程、网络安全、信息安全等相关专业的博士/硕士同学，有逆向工程、移动安全或分布式采集相 关研究/项目/竞赛（CTF 等）经验者优先。 技术技能要求 掌握逆向分析与协议还原、抓包与流量分析、Hook 与动态调试技术，熟悉常见加密/签名/风控对抗方案；精通 Python/Go 及 C/C++ 或 Java，熟悉 Android/iOS 逆向与分布式采集调度。 软性素质要求 钻研攻坚精神强，面对高强度对抗环境有极强的问题拆解与突破能力；沟通协作顺畅，合规意识与责任心强，能独立驱动 课题持续产出。