Senior ML Engineer - Malware Detection

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Senior ML-инженер для разработки и внедрения систем машинного обучения, выявляющих веб-малварь в крупномасштабных Linux-хостингах. Работа охватывает классический ML, трансформеры, LLM-ассистированный триаж и автоматическую генерацию сигнатур — от сырых данных до продакшена.

Задачи

• Проектировать, обучать, дообучать и внедрять ML-модели на продакшн-данных о малвари для повышения покрытия детекции
• Разрабатывать модели классификации и триажа вредоносных файлов, приоритизации подозрительных образцов и маршрутизации в нужные движки детекции
• Строить системы автоматической генерации сигнатур детекции по новым кампаниям малвари
• Разрабатывать методы контекстно-зависимой детекции: фишинговые страницы, webshells, инъекции скриптов, скомпрометированные компоненты сайтов
• Повышать точность детекции и эффективность очистки заражённых сайтов
• Строить строгие фреймворки оценки моделей с разбиением по времени и кампаниям, регрессионным тестированием и контролем утечек данных
• Оптимизировать пропускную способность, латентность, CPU, память и стоимость инференса на файл
• Выводить модели из экспериментов в продакшен через shadow-деплой и контролируемые релизы
• Встраивать свежую обратную связь аналитиков и новые false negatives в обучающие данные, настраивать регулярное переобучение и мониторинг
• Развивать ML-инфраструктуру: переиспользуемые пайплайны обучения, инструменты работы с датасетами, эффективное использование GPU
• Работать с аналитиками малвари, detection-инженерами и инфраструктурными командами над разбором сбоев детекции
• Документировать архитектурные решения, методы оценки, ограничения моделей и результаты в продакшене
• Выполнять поставленные вехи: первая модель на продакшн-данных в первый месяц, несколько моделей в продакшене или shadow-тестировании к третьему месяцу

Требования

• Не менее 5 лет опыта построения и внедрения ML-систем в продакшене, из них минимум 2 года в состязательной области (кибербезопасность, фрод, спам, abuse prevention)
• Практический опыт обучения и дообучения трансформеров: подготовка данных, токенизация кода, LoRA/QLoRA или полное дообучение, дистилляция, квантизация — не только вызовы hosted API
• Сильное понимание классического ML: градиентный бустинг, линейные модели с разреженными признаками, калибровка вероятностей, дисбаланс классов
• Опыт строгой оценки моделей: разбиения без утечек по времени и семействам малвари, precision при фиксированном false-positive, регрессионные датасеты
• Умение измерять throughput и латентность и оптимизировать модели под CPU, память и стоимость; знакомство с ONNX, llama.cpp, vLLM, int8/int4 квантизацией
• Сильные навыки Python, PyTorch, Hugging Face и SQL для анализа больших данных (ClickHouse или аналогичные аналитические БД)
• Опыт с PHP или JavaScript либо готовность их освоить в работе с аналитиками малвари
• Ежедневное использование AI-агентов для кодинга
• Английский не ниже B2, особенно сильные навыки письменной коммуникации
• Аналитическое мышление, умение разбирать сложные задачи детекции и делать технические компромиссы
• Готовность нести ответственность за весь ML-жизненный цикл от экспериментов до продакшена
• Преимуществом будет: опыт с веб-малварью, webshells, фишинг-китами, безопасностью WordPress
• Преимуществом будет: ML по исходному коду (AST, токенные признаки, code-focused языковые модели, графовые модели)
• Преимуществом будет: знание кластеризации и анализа сходства малвари
• Преимуществом будет: опыт multi-GPU обучения на bare-metal, MLflow или Weights & Biases, версионирование датасетов
• Преимуществом будет: Go или Rust для эффективного инференса на сервере
• Преимуществом будет: публикации, доклады или выступления на конференциях по ML в кибербезопасности

Условия

• Полностью удалённая работа с гибким графиком из любой точки мира
• Гибкие рабочие часы в remote-first асинхронной среде
• 24 дня оплачиваемого отпуска в год
• 10 дней национальных праздников
• Неограниченный больничный
• Финансовая компенсация частной медицинской страховки
• Компенсация коворкинга и спортзала или спортивных занятий
• Бюджет на обучение и развитие
• Вознаграждение за инновационную идею, которую можно запатентовать
• Выделенные GPU-ресурсы и возможность дополнительных вычислительных инвестиций
• Работа с крупномасштабными реальными датасетами малвари
• Доступ к AI-агентам для кодинга и интегрированным инструментам разработки

Навыки

• Python
• PyTorch
• Hugging Face
• SQL
• ClickHouse
• ONNX
• llama.cpp
• vLLM
• LoRA
• QLoRA
• квантизация int8/int4
• градиентный бустинг
• трансформеры
• PHP
• JavaScript
• Go
• Rust
• MLflow
• Weights & Biases
• AST
• LLM