工作职责：
1. 开展隐私计算相关技术（如联邦学习、多方安全计算、同态加密、差分隐私等）的前沿研究，推动其在平台中的应用。
2. 设计并优化隐私计算算法，提升系统性能，确保在多场景下的数据安全与隐私保护。
3. 负责探索隐私计算平台的创新应用场景，尤其是金融、政务、工商数据等跨行业应用中的技术可行性。
4. 与研发团队合作，将前沿研究成果应用于平台的技术架构与功能设计，推进系统开发。
5. 跟踪全球隐私计算技术的发展动态，撰写技术分析报告，参与技术专利的撰写与申请。
6. 参与国际国内的隐私计算学术交流与行业标准制定，提升公司的技术影响力。
7. 撰写并发表隐私计算领域的学术论文，推动平台技术的理论创新。
任职要求：
1. 计算机科学、信息安全、数学或相关专业硕士及以上学历，五年以上工作经验，具备隐私计算、数据安全或密码学领域的研究背景。
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（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. 熟悉隐私计算相关技术（如联邦学习、多方安全计算、同态加密、差分隐私等），并在该领域有实质性研究或项目经验优先。
4. 具备较强的编程能力，熟悉Python、R、Matlab等常用研究工具，有区块链或分布式计算开发经验者优先。
5. 具备良好的学术写作与技术文档撰写能力，有过学术论文发表或专利撰写经验者优先。
具备优秀的沟通协作能力，能够与研发、产品、合规等团队紧密合作