谁在检查系统有没有不该打开的门? 从这个问题出发,看看一份工作如何连接需求、执行与反馈。

理解今天的问题

理解系统处理什么信息、谁有权限、哪些地方可能出问题。在获得授权的范围内识别风险,并与业务同事确认影响。

和团队一起推进

把风险转成团队能够执行的改进:权限控制、敏感信息保护、日志检查和恢复流程。和研发一起确认方案是否有效。

交付与持续改进

复核修复结果,记录风险和决策。发生事件时按流程协作,整理经验,让相同的问题更不容易再次出现。

岗位名称帮助我们认识分工,日常协作让这些分工真正连接起来。

岗位的一天

工作的一天

01识别风险

在授权范围内了解系统处理什么信息、谁有权限。

02推动改进

把风险转成权限控制、敏感信息保护、日志检查等可执行的改进。

03事件响应

发生事件时按流程协作、记录和恢复。

04复盘

复核修复结果,让相同问题更不容易再发生。

跨越时代

这个岗位出现在哪些时代

  1. 连接时代

    1969–1993

    应急响应人员,起点是莫里斯蠕虫事件。

  2. 网页时代

    1994–2000

    杀毒和防火墙厂商的工程师、早期黑客社区成员。

  3. 社区与搜索时代

    2001–2008

    Web 安全工程师和渗透测试人员,做漏洞扫描、等保测评、应急响应。

  4. 移动时代

    2009–2015

    移动应用安全、业务安全(反刷单、反欺诈),企业 SRC 和白帽子协作。

  5. 云与智能时代

    2016–2022

    从攻防扩展到合规。新增数据安全和隐私合规岗(GDPR 下的 DPO、国内的个人信息保护负责人),做零信任和供应链安全。

  6. 大模型时代

    2023–至今

    AI 安全(提示词注入、越狱、模型供应链)、内容安全与备案合规、生成内容标识。

职业资料

认定、映射与市场数据

美国薪酬与趋势按 Information Security Analysts 职业口径列示;全球 WEF 指标使用 Security Management Specialists 名称。

职业名称与分类记录

  1. 中国 · 认定 · A

    信息安全测试员

    2020 第3批新职业 · 人社部新职业 · 2020(第3批);4-04-04-04

    人力资源社会保障部办公厅等(中国政府网)
  2. 中国 · 认定 · A

    渗透测试员 / 合规测试员

    信息安全测试员下增设2个工种 · 工种 · 2021(第4批)

    人力资源社会保障部办公厅等(中国政府网附件)
  3. 中国 · 认定 · A

    网络安全等级保护测评师

    2024 新职业 · 人社部新职业 · 2024

    人力资源社会保障部(中国政府网转载)
  4. 中国 · 岗位族说明 · A

    数据安全工程技术人员

    2-02-38-12(数字职业S) · 人社部新职业 · 大典2022标识S;2-02-38-12

    中国就业网(人社部)

薪酬、招聘与趋势指标

  1. 美国 · 代理职业 · A

    Information Security Analysts

    年薪中位数: US$129,180

    2025 年中位数(P50)· 美元/年

    O*NET OnLine(美国劳工部资助) · 15-1212.00 Information Security Analysts

  2. 美国 · 代理职业 · A

    Information Security Analysts

    预测增速/样本变化: Much faster than average (7% or higher)

    2025–2035 年预测增速档

    O*NET OnLine(美国劳工部资助) · 15-1212.00 Information Security Analysts

  3. 全球 · 代理职业 · B

    Security Management Specialists

    列表位置/岗位发布占比: #5

    WEF《未来就业报告》· 2025–2030 净增长岗位列表

    报告列表位置;不展示图内百分比。

    World Economic Forum · The Future of Jobs Report 2025 (PDF)

岗位档案

历史节点

以下记录保留来源中的职业名称。阶段归类与相邻职业名称只说明相关历史背景,不表示它们与本站岗位完全等同。

  1. 2020官方职业名称

    信息安全测试员

    2020 年新职业发布批次列有「信息安全测试员」。这是安全领域的职业名称节点,不等同于本站的所有安全工程岗位。

  2. 2022官方职业名称

    数据安全工程技术人员

    人社部 2022 年公示列有「数据安全工程技术人员」,随后纳入 2022 年版职业分类大典。这是官方职业名称节点,不表示所有安全工程师均从该年出现。

  3. 2024官方职业名称

    网络安全等级保护测评师

    2024 年三部门发布的新职业名单列有「网络安全等级保护测评师」。这是细分安全职业的官方名称节点,不等同于全部安全岗位。

相关证据 · L1 · 30 篇

同期研究

这些论文的标题或摘要直接涉及岗位职责、技能或工具。主题相关性不能单独证明岗位历史,也不能替代就业或招聘数据。

  1. L1arXiv:1608.046442016

    Towards Evaluating the Robustness of Neural Networks

    神经网络对抗鲁棒性评估

    摘录“神经网络极易受到对抗样本的攻击”
  2. L1arXiv:1610.058202016

    Membership Inference Attacks against Machine Learning Models

    成员推断与训练数据隐私审计

    摘录“基本的成员推断攻击”
  3. L1arXiv:1511.075282015

    The Limitations of Deep Learning in Adversarial Settings

    对抗样本攻击威胁分析

    摘录“容易受到对抗样本的攻击”
  4. L1arXiv:1602.026972016

    Practical Black-Box Attacks against Machine Learning

    机器学习模型黑盒攻击

    摘录“恶意输入经过修改后会产生错误的模型输出”
  5. L1arXiv:2012.078052020

    Extracting Training Data from Large Language Models

    大语言模型训练数据提取风险

    摘录“训练数据提取攻击”
  6. L1arXiv:cs/06020072006

    Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy Data

    生物特征的密钥生成与安全验证

    摘录“可靠且安全地验证生物特征数据”
  7. L1arXiv:1511.045082015

    Distillation as a Defense to Adversarial Perturbations against Deep Neural Networks

    对抗样本防御机制

    摘录“降低对抗样本对DNN的影响”
  8. L1arXiv:1807.004592018

    How To Backdoor Federated Learning

    联邦学习后门攻击威胁

    摘录“向联合全局模型中引入隐藏的后门功能”
  9. L1arXiv:1801.012032018

    Spectre Attacks: Exploiting Speculative Execution

    Spectre 侧信道与信息泄露

    摘录“通过侧信道将目标进程的机密信息泄露给攻击者”
  10. L1arXiv:1708.067332017

    BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain

    模型供应链漏洞与后门风险

    摘录“外包训练会引入新的安全风险”
  11. L1arXiv:1712.055262017

    Targeted Backdoor Attacks on Deep Learning Systems Using Data Poisoning

    数据投毒与后门威胁

    摘录“轻松绕过系统”
  12. L1arXiv:1708.061312017

    Evasion Attacks against Machine Learning at Test Time

    测试时规避攻击与安全评估

    摘录“测试时通过精心操纵攻击样本来规避已部署的系统”
  13. L1arXiv:1407.69812014

    RAPPOR: Randomized Aggregatable Privacy-Preserving Ordinal Response

    客户端统计的差分隐私工具

    摘录“具有强大的隐私保护能力”
  14. L1arXiv:2106.131232021

    The Queen's Guard: A Secure Enforcement of Fine-grained Access Control In Distributed Data Analytics Platforms

    分布式数据分析平台访问控制

    摘录“细粒度的访问控制”
  15. L1arXiv:1609.029432016

    Stealing Machine Learning Models via Prediction APIs

    公开预测 API 的模型窃取风险

    摘录“模型提取攻击”
  16. L1arXiv:2302.121732023

    Not what you've signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection

    LLM 集成应用的间接提示注入风险

    摘录“覆盖原始指令和已启用的控制措施”
  17. L1arXiv:1605.072772016

    Transferability in Machine Learning: from Phenomena to Black-Box Attacks using Adversarial Samples

    对抗样本迁移与黑盒攻击

    摘录“对抗样本通常也会影响另一个模型”
  18. L1arXiv:1909.129622019

    Celeb-DF: A Large-scale Challenging Dataset for DeepFake Forensics

    深伪取证与检测数据工具

    摘录“开发和评估DeepFake检测算法”
  19. L1arXiv:1805.040492018

    Exploiting Unintended Feature Leakage in Collaborative Learning

    协作学习中的训练数据泄漏

    摘录“训练数据的非预期信息”
  20. L1arXiv:1811.007012018

    Towards the Development of Realistic Botnet Dataset in the Internet of Things for Network Forensic Analytics: Bot-IoT Dataset

    物联网入侵检测和网络取证

    摘录“网络入侵检测和网络取证系统”
  21. L1arXiv:1712.075572017

    Differentially Private Federated Learning: A Client Level Perspective

    联邦学习客户端差分隐私

    摘录“客户端差分隐私保护联邦优化算法”
  22. L1arXiv:1911.118152019

    Local Model Poisoning Attacks to Byzantine-Robust Federated Learning

    联邦学习本地模型投毒攻击

    摘录“针对联邦学习的本地模型投毒攻击”
  23. L1arXiv:1912.038172019

    Machine Unlearning

    数据删除与隐私泄漏风险

    摘录“隐私攻击成功导致信息泄露的风险”
  24. L1arXiv:1702.074762017

    Renyi Differential Privacy

    差分隐私保证分析

    摘录“隐私损失尾部的保证”
  25. L1arXiv:1702.074642017

    Deep Models Under the GAN: Information Leakage from Collaborative Deep Learning

    协作深度学习的信息泄漏风险

    摘录“深度学习带来的隐私问题”
  26. L1arXiv:1802.069932018

    A Survey on the Security of Blockchain Systems

    区块链安全威胁与安全增强方案

    摘录“区块链面临的安全威胁”
  27. L1arXiv:1805.034092018

    N-BaIoT: Network-based Detection of IoT Botnet Attacks Using Deep Autoencoders

    物联网僵尸网络异常检测

    摘录“检测从受感染的物联网设备发起的攻击”
  28. L1arXiv:1704.035782017

    A Survey on Homomorphic Encryption Schemes: Theory and Implementation

    同态加密保护云端敏感数据

    摘录“同态加密(HE)是一种特殊的加密方案”
  29. L1arXiv:1805.121852018

    Fine-Pruning: Defending Against Backdooring Attacks on Deep Neural Networks

    深度神经网络后门攻击防御

    摘录“针对DNN后门攻击的有效防御方法”
  30. L1arXiv:cs/00100192000

    The Random Oracle Methodology, Revisited

    密码方案的安全性分析

    摘录“密码方案的安全性”