岗位职责:

1、开展隐私计算及联邦学习系统设计、关键技术及核心算法的研究、代码实现与验证；
2、负责隐私计算及联邦学习开源框架核心代码研究、改进和源码贡献；
3、参与隐私计算及联邦学习技术解决方案的研究制定和应用验证；
4、针对隐私保护安全建模场景提出创新隐私计算协议方案；
5、开展隐私计算技术与移动通信网络相结合的需求、场景及技术研究，并开展仿真验证；
6、完成专利、国内外标准化文稿、论文、研究报告的撰写，负责国家/集团/研究院创新课题申报材料的编写。

需求专业：
通信、计算机、统计、信息等相关专业。

技能要求：
1、具备扎实的隐私计算、安全多方计算、分布式机器学习、密码学、联邦学习、概率统计等领域基础理论知识；
2、熟练掌握至少一种主流机器学习框架工具（包括但不限于（Caffe、CNTK、DMTK、Theano、Torch、Keras、AWS ML、PyTorch、MXNet、Deeplearning4j、TensorFlow等），具备基于上述任一框架工具开发实际算法和系统经验者优先；
3、熟悉深度学习各类模型的架构及其使用；
4、具备多种语言研发经验、深入了解语言特点并能灵活运用，至少精通Python、Java、Go一种语言，具备丰富的编码和Code Review经验及良好的编码习惯；
5、熟悉主流隐私计算、联邦学习框架，并具备实际部署或者研发经验者优先；熟悉FATE框架者优先。

素质:
1、有责任心，工作热情、耐心、踏实、严谨，有团队合作精神；
2、具备较强的动手能力，乐于接受新的知识和挑战；
3、较强的学习、分析问题的能力，良好的团队合作意识与跨部门沟通的能力；
4、具备一定的抗压能力，善于应对来自工作上的各种压力；
5、具备较强的创新能力和创新积极性；
6、熟练阅读英文相关文档及论文。

经验：
1、有大型软件系统开发设计经验者优先；
2、有隐私计算平台及大数据交易系统开发经验者优先；
3、具有其它嵌入式开发经验者优先。