Stellar Cyber 为企业和托管服务提供商开发以自动化为驱动的安全运营平台。该平台整合新一代 SIEM、网络检测与响应（NDR）和开放式 XDR，利用 AI 连接各类安全工具中的威胁信号，并支持自动化事件响应。平台旨在帮助安全团队监控本地、云端以及 IT/OT 环境，同时提升威胁检测与响应能力。
安全机器学习工程师（研究）
研究用于威胁检测的机器学习方法，并通过整合安全数据与分析能力，强化 Stellar Cyber 的 Open XDR 平台。
描述
- 与数据集成团队协作，设计数据架构并规范化第三方安全数据。
- 将安全检测需求转化为机器学习问题，并利用整合后的数据开发解决方案。
- 结合安全领域见解和数据特征，创建高效的机器学习方法，用于安全检测、关联分析和调查。
- 构建用于安全检测、关联分析和调查的产品功能。
- 建立流程、工具和指标，评估向客户交付的检测能力是否有效。
任职要求
- 计算机科学或相关学科硕士或博士，研究方向为机器学习、深度学习、自然语言处理或人工智能。
- 具备机器学习工程师、研究科学家或类似职位的经验，并曾从事时间序列分析、图机器学习、自然语言处理或相关领域的工作。
- 具备使用机器学习应用开发工具和框架的经验。
- 深入了解机器学习算法、统计模型和深度神经网络。
- 具备出色的问题解决能力，能够将研究成果应用于实际解决方案。
- 具备扎实的工程能力，能够快速设计并实现 Python 概念验证，并开发可用于生产环境的系统。
- 具备出色的书面和口头沟通能力，能够向技术和非技术受众解释复杂概念。
- 优先条件：熟悉或具备网络安全经验，包括检测与响应或威胁狩猎。
- 优先条件：熟悉或具备安全产品及其数据方面的经验。
- 优先条件：熟悉或具备开放安全数据模型方面的经验，例如 Elastic Common Schema 和 Open Cybersecurity Schema Framework。
福利待遇
- IPO 前股票期权
- 医疗、牙科和视力保险
- 401(k) 退休计划
- 员工援助计划
- 员工折扣计划
- 人寿保险
- 带薪休假
- 推荐奖励计划
- 奖励与表彰计划