工作内容：
1、参与隐私计算平台整体架构设计、负责隐私计算平台相关研发工作，解决实际业务中的数据安全和隐私保护问题，实现数据的可用不可见；
2、参与软硬件结合的隐私计算方案、产品、支撑平台设计/开发/测试、支以及应用系统的设计与实现；
3、负责基于机器学习算法的联邦学习、多方安全计算、差分隐私、同态加密框架的设计、开发及优化；
4、负责设计和实现隐私计算的部署、监控、运营等系统，优化系统的性能、稳定性、可扩展性，适配业务发展需求；
5、针对隐私保护安全场景提出创新的隐私计算协议、算法、方案。
工作要求：
1、硕士及以上，计算机、人工智能、密码学、信息安全等相关专业或研究方向；
2、具有多方安全计算、联邦学习、可信执行环境等相关领域的基础知识、了解多方安全计算、联邦学习等隐私计算技术，有隐私计算相关系统、平台、产品的研发实践经验者优先；
3、对SecretFlow、FATE、TensorFlow、Federated、PySyft等开源项目有研究或开发经验优先；
4、有扎实的计算机基础知识，熟悉Linux 操作系统、网络协议，熟悉常见的数据结构与算法，熟悉以下至少一门编程语言：C、C++、Python、Java，有优秀的工程能力；
5、熟悉大数据处理组件例如Spark、Hadoop等，以及消息队列、RPC 、任务调度等常用开源框架，有大规模分布式系统的设计、研发与运维实践经验优先；
6、具备良好的问题分析、归纳、总结和解决能力，以及优秀的沟通与团队协作能力。