Специалист по кибербезопасности AI/LLM-решений

Ориентир по рынку≈ 296 000 – 386 000 ₽наша приблизительная оценка по 9 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 3,6 тыс.–4,7 тыс. $

🌍 УдалённоMiddleПолная занятость

≈ 296 000 – 386 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Смущает только, что вакансия висит давно.

2 из 4 в норме

Висит давно: что спросить, чтобы не откликаться в пустоту

Деньги

Зарплату в объявлении не раскрыли. Ориентир на созвон: столько платят в 9 похожих вакансиях ML Engineer уровня Middle.

платят меньше296 000 – 386 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Открыта уже 77 дней. Источник её держит, но за таким сроком часто стоит трудный найм или набор в резерв.

Зарплата не указана

Открыта давно

Описание

Обязанности: 10, требования: 19. Понятно, что за работа, ещё до отклика.

Обещают: стоматология, уроки английского, компенсация спорта, психологическая поддержка и аккредитованная IT-компания
Не сказано: как оформят, из каких стран можно работать и часовой пояс команды

Подробно

Что требуют

ОбязательноAILLMKubernetesRAGElasticsearchSIEMPythonJSON

ПлюсомAzureAWS

Надбавка к зарплате на этом уровне: Python +46%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

10 вопросов именно к этой вакансии: что спросить на первом созвоне

Когда откликаться

Стоит ли спешить: за сколько дней СберЗдоровье обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

Мы ищем специалиста по кибербезопасности, который поможет безопасно внедрять и сопровождать такие решения. Роль находится на стыке Application Security, DevSecOps, Cloud/Kubernetes Security и безопасности GenAI/LLM/AI-агентов.

Чем предстоит заниматься

Проводить security review AI/LLM-решений: LLM-приложений, AI-агентов, RAG, векторных БД, интеграций с внешними API и облачными LLM

Участвовать в threat modeling AI-решений: prompt injection, jailbreak, утечки данных, небезопасные tool calls, избыточные привилегии AI-агента, RAG/data poisoning

Проверять наличие и корректность защитных механизмов: guardrails, фильтры персональных данных, ограничения длины prompt/response, rate limiting, валидация ответов, контроль вызовов tools

Оценивать безопасность работы с данными: персональные данные, конфиденциальная информация, источники данных для RAG, embeddings, индексы векторных БД

Проверять, что AI-агенты работают по принципу минимально необходимых привилегий и не выполняют чувствительные операции без ручного подтверждения

Проверять изоляцию пользовательских сессий, контекстов и памяти AI-решений

Участвовать в проверке безопасности локального запуска LLM в Kubernetes: контейнеры, RBAC, secrets, network policies, ingress, resource limits

Формировать требования к логированию, аудиту и трассировке AI-решений: trace ID, логи prompt/response, вызовы модели, вызовы tools, действия AI-агента

Разрабатывать тестовые сценарии для проверки AI-решений на prompt injection, утечки данных, обход ограничений и небезопасное поведение агента

Помогать командам разработки и эксплуатации безопасно использовать локальные и облачные LLM

Наши требования

Опыт в кибербезопасности от 2–3 лет в одной или нескольких областях: Application Security, DevSecOps, Cloud Security, Kubernetes Security, API Security, Product Security

Понимание принципов security review, threat modeling и безопасной разработки

Понимание web/API-безопасности: аутентификация, авторизация, OAuth2/OIDC, SAML, JWT, RBAC, service-to-service-взаимодействие

Базовое понимание AI/LLM-стека: LLM, prompt, system prompt, context window, embeddings, RAG, vector database, AI-agent, agent memory, tools/function calling

Понимание основных рисков LLM-приложений: prompt injection, indirect prompt injection, jailbreak, утечка чувствительных данных, раскрытие system prompt, небезопасная обработка ответа модели, excessive agency

Понимание особенностей безопасности RAG и векторных БД: например, Milvus, Qdrant, Weaviate, pgvector, Chroma, Elasticsearch/OpenSearch vector search

Понимание рисков работы с персональными и конфиденциальными данными при использовании локальных и облачных LLM

Базовое понимание Kubernetes и контейнерной безопасности: secrets, service account, RBAC, network policy, resource limits

Умение формулировать понятные и проверяемые требования безопасности для продуктовых команд

Опыт с OpenAI/Azure OpenAI, AWS Bedrock, Google Vertex AI, Anthropic или другими LLM-провайдерами

Опыт с локальными open-source LLM и inference-сервисами

Опыт настройки или проверки guardrails, фильтров персональных данных, DLP-подходов, content moderation

Опыт участия в AI red teaming или разработке тестов на prompt injection и data leakage

Опыт security review AI/LLM, RAG, чат-ботов, AI-ассистентов или агентских решений

Знакомство с OWASP Top 10 for LLM Applications, OWASP Agentic AI Threats, MITRE ATLAS, NIST AI RMF

Понимание безопасности agent tools/function calling: allowlist tools, схемы входных параметров, контроль прав, human-in-the-loop

Опыт работы с SIEM/security logging: проектирование событий безопасности, аудит действий, расследование инцидентов

Понимание подходов к безопасному исполнению кода, сгенерированного моделью: sandbox, изоляция контейнеров, запрет доступа к secrets, ограничения сети и ресурсов

Базовые навыки Python, работы с JSON/YAML, API-тестирования или автоматизации security checks