AI Security Researcher & Engineer, MLSecOps (AI Security Startup)

Локация: Казань, Петербургская улица, 52; удалённо или гибридно.

Компания

SpaceAI создаёт инфраструктурную платформу для защиты, контроля и безопасного внедрения LLM-моделей и AI-агентов в корпоративную среду.

Что делать

• Исследовать уязвимости LLM-приложений, AI-агентов, RAG-систем, MCP-серверов и межагентных взаимодействий.
• Разрабатывать сценарии атак, threat-модели, attack suites и AI Security-бенчмарки; проводить red teaming платформы и подключаемых AI-систем.
• Проектировать и реализовывать policy enforcement, RBAC, ABAC, capabilities, Risk Analyzer с решениями allow, verify, approve и block.
• Создавать guardrails, DLP, PII masking, фильтры, обнаружение секретов, sandboxing, kill-switch и Human-in-the-Loop для критических операций.
• Развивать аудит, трассировку, observability, инструменты расследования и коннекторы к API, базам данных, корпоративным системам и агентным протоколам.
• Участвовать в архитектуре и техническом roadmap SpaceAI, доводя исследования и прототипы до production-компонентов.

Требования

• Более 6 лет опыта; формат и уровень роли — Middle / Senior.
• Уверенное владение Python и опыт разработки backend-сервисов, API или инфраструктурных компонентов.
• Понимание архитектуры LLM-приложений и AI-агентов: RAG, embeddings, inference, tool calling и agent workflows.
• Знание основных классов атак на LLM и агентные системы, application security, API Security, IAM и secure-by-design.
• Знание аутентификации, авторизации, RBAC, ABAC и capability-based access control.
• Опыт работы с Docker, Linux, Git, REST API и базами данных.
• Понимание распределённых систем, отказоустойчивости, latency и observability; умение проводить threat modeling и проектировать механизмы защиты.
• Способность пройти путь от исследования и гипотезы до прототипа и production-реализации.
• Умение работать с научными публикациями, документацией и open-source-кодом; английский — на уровне чтения технической документации и исследований.

Хорошо, если есть

• Опыт разработки security-продуктов, API Gateway, IAM, DLP, SIEM, SOAR или observability-систем.
• Практический опыт red teaming LLM или adversarial machine learning.
• Опыт работы с MCP, A2A, LangGraph, LangChain, LlamaIndex, AutoGen или CrewAI.
• Знание Kubernetes, PostgreSQL, Redis, Kafka, NATS, OPA, Cedar, Casbin, OpenTelemetry, Prometheus, Grafana и distributed tracing.
• Участие в CTF, bug bounty или security-исследованиях; понимание OWASP Top 10 for LLM Applications, MITRE ATLAS, NIST AI RMF или ISO/IEC 42001.
• Собственные open-source-проекты, публикации или выступления в области AI Security.

Культура и преимущества

• Разработка полноценной AI Security-платформы для enterprise-сценариев, а не отдельного фильтра поверх LLM.
• Влияние на архитектуру, продукт и технический roadmap; ownership над отдельными компонентами.
• Возможность создавать собственные AI Security-бенчмарки и исследования, публиковать материалы и выступать на профильных мероприятиях.
• Прямая коммуникация с основателями и короткий цикл принятия решений.
• Удалённый или гибридный формат; возможна частичная или полная занятость.
• Возможность получить долю или опцион при долгосрочном сотрудничестве.

Процесс найма

• Отправить резюме, GitHub и кратко описать разработанные AI-, backend- или security-продукты, свою зону ответственности и созданные security-механизмы или исследовательские стенды.
• Указать опыт работы с LLM, AI-агентами, MCP или tool calling и назвать наиболее сложную текущую задачу в AI Security.
• При наличии приложить open-source-проекты, статьи, исследования, CTF, bug bounty или технические выступления.