腾讯天御—基于大模型的移动安全病毒检测研究

课题背景： 近年来，随着移动安全研究的不断深入，移动安全病毒威胁日益复杂多样化，传统基于规则或安全策略的检测方法难以应对新型、隐蔽的病毒手段。大模型凭借其强大的语义理解、复杂推理和泛化学习能力，为移动安全病毒检测提供了智能化的新路径。本研究旨在探索大模型相关技术在移动安全病毒检测中的应用，提升检测效果和检测效率，以应对不断对抗演化的移动安全挑战，保障用户移动设备安全。 课题挑战：

1. 01

   大模型在垂类领域的适配研究：大模型需从通用领域迁移至移动安全垂类领域，需解决领域知识注入、不平衡样本学习、对抗样本鲁棒性等问题，以提升传统安全检测能力；

2. 02

   安全领域特性：在安全领域，对准确率要求极高，并对判毒样本有着可解释性的诉求。在安全领域应用大模型技术，如何兼顾高准确率和可解释性，值得研究；

3. 03

   海量数据下的性能瓶颈：天御移动安全保护着海量用户，移动端样本数量庞大，而大模型的计算开销和时延又是显著特点之一，需研究如何在海量数据下高效应用大模型技术；

4. 04

   安全运营提效：安全运营是安全领域的重要工作之一，如何应用大模型相关技术有效提升安全运营效率。 具体工作： 您将参与到大模型在安全领域的前沿研究，包括大模型在移动安全病毒检测场景的领域适配、监督微调与强化学习优化，利用多模态等技术实现移动安全病毒样本的自动化触发与检测，构建移动安全智能运营Agent，从而提升移动安全病毒检测工作的效果与效率。

1. 01

   包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；

2. 02

   熟悉Transformer模型及其变种原理与架构，具备LLM相关经验，包括但不限于预训练/微调/强化学习/多模态/Agent等；

3. 03

   较强的工程实现能力，熟练掌握C/C++, JAVA,Python等至少一种语言；

4. 04

   具备极强的学习能力和技术追求，擅于思考、自驱力强，良好的团队合作和沟通能力。