• 主导构建了公司新版SIEM（安全信息和事件管理）平台的实时数据处理引擎，采用Flink+ClickHouse技术栈，具备每秒处理百万级安全日志事件的能力，并将从数据摄入到可查询的延迟控制在3秒以内，为安全分析师提供了近乎实时的威胁狩猎能力。
• 针对容器动态扫描的高资源消耗痛点，自主研发了一种基于eBPF的无感知容器镜像运行时扫描器，无需挂载镜像文件即可实时分析其文件系统与行为，将扫描耗时从分钟级降至秒级，CPU占用率降低85%，该项技术已申请专利。
• 设计并实现了全球威胁情报自动化抓取、研判与分发系统，每日处理来自50+个源的情报数据，通过自然语言处理与攻击模式匹配，自动生成IOC（入侵指标）并推送至防火墙、WAF、EDR等设备进行阻断，将外部威胁的落地响应时间从天级缩短至分钟级。
• 开发了基于图数据库的网络安全态势感知系统，自动构建资产、漏洞、攻击事件之间的关联关系图，并能通过图算法主动发现潜在的异常访问和横向移动行为，累计发现3起潜伏的高级威胁，避免了重大数据泄露事故。

• 负责公司Honeypot（蜜罐）产品的核心开发，设计了高交互式蜜罐的动态服务仿真模块，可模拟各类OA、ERP、数据库等服务，并记录攻击者的全部操作行为，累计捕获攻击行为记录超1亿条，为威胁情报提供了宝贵的一手数据。
• 自研了勒索软件行为监控与应急响应工具，通过监控文件系统异常加密行为，可在ransomware运行初期即将其进程冻结，并自动隔离失陷主机，成功在生产环境拦截了2次勒索软件攻击，保护了公司核心代码库与设计文档。
• 为满足公司SaaS化战略，架构了支持多租户隔离的安全工具平台，实现了策略、数据、计算资源的完全隔离，成功支撑了为上百家外部企业客户提供安全服务，创造了新的年营收增长点。
• 将内部多个孤立的安全工具（漏洞扫描、资产发现、配置核查）进行平台化整合，提供了统一的RESTful API与任务调度中心，使安全团队的工作流程得以标准化和自动化，平均每周节省安全工程师人工操作时间约100人时。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。

泛娱乐业务全链路风险防控系统研发

• 星途互娱旗下直播、短视频、社交等多条泛娱乐业务线长期面临黑产刷量、账号盗用、支付欺诈等风险，原有防控体系为各业务线独立部署的规则引擎，存在重复建设、风险识别滞后、跨场景协同差等问题。我的核心职责是主导系统整体架构设计、核心检测模块开发及10+业务线的对接落地，目标构建覆盖“风险感知-分析-处置”的全链路统一防控平台。
• 项目难点在于三方面：一是不同业务场景（如直播打赏、短视频引流、社交裂变）的风险特征差异大，实时性要求（100ms内完成风险判定）与复杂特征计算冲突；二是黑产通过模拟正常用户行为、跨账号团伙作案规避检测，需解决多源数据融合与团伙溯源问题；三是传统规则引擎无法应对动态变化的风险，需实现模型的实时迭代与轻量化部署。
• 针对上述挑战，我主导了三项关键行动：1）调研各业务线风险场景，抽象“设备可信度”“行为一致性”“资金流向异常”等5大类20+通用风险特征，搭建“接入层-分析层-处置层”分层架构——接入层统一采集设备、行为、交易等多源数据，分析层用Flink进行实时流处理与Neo4j图计算（构建用户-设备-账号关联图谱），处置层联动业务系统实现自动拦截/预警；2）为解决实时推理性能瓶颈，采用TensorRT对LightGBM风险预测模型进行量化加速，将单请求推理时间从50ms降至12ms；3）设计动态规则引擎，支持运营人员通过可视化界面调整风险阈值，模型迭代周期从每周1次缩短至每日1次。
• 项目上线后覆盖公司85%泛娱乐业务，黑产关键行为识别率从55%提升至90%，误报率从22%降至8%；每年减少因黑产造成的收入损失约200万元，支撑运营团队将风险响应时间从4小时缩短至15分钟。该方案被集团纳入泛娱乐安全标准，推广至游戏、文学等其他业务线。我作为核心设计者，从需求调研到落地全程主导，形成了可复用的全链路风险防控方法论，成为团队泛娱乐安全领域的核心技术骨干。

电商平台交易链路安全加固与反欺诈体系升级

• 云帆电商平台在618、双11等大促期间频繁遭遇虚假订单（机器人群控占库存）、薅羊毛（优惠券规则漏洞套利）、支付洗钱（虚假交易转移资金）等问题，原有安全系统以单点规则防御为主，无法应对复杂黑产攻击。我的职责是负责反欺诈模块核心开发、与交易/支付系统协同对接，以及模型的迭代优化，目标是构建“实时检测-精准拦截-溯源追责”的交易安全体系。
• 项目难点集中在：一是交易场景对实时性要求极高（需50ms内完成风险判定），传统机器学习模型推理延迟高；二是黑产通过修改设备指纹、模拟正常用户行为规避检测，设备身份可信度低；三是订单、支付、物流多系统数据孤岛，无法实现全链路风险监控。
• 为突破这些瓶颈，我做了三方面核心工作：1）重构设备指纹算法，结合IMEI、MAC地址、浏览器指纹、设备环境（Root/越狱状态、模拟器检测）等8维特征，采用AES加密生成不可篡改的设备ID，伪造率从18%降至3%；2）设计“规则引擎+机器学习”混合检测模型——用Drools实现高频简单规则（如同一设备1分钟内10+下单），用LightGBM处理复杂特征（用户历史行为序列、优惠券使用模式），将整体判定时间控制在35ms内；3）通过Zipkin搭建交易链路追踪系统，打通订单、支付、物流环节的风险数据，实现“下单-支付-发货”全链路风险监控（如识别支付后立即取消的洗钱行为）。
• 系统上线后，虚假订单率从12%降至4.8%，薅羊毛事件数量减少75%，支付洗钱风险损失降低80%；支撑了大促活动零重大安全事件，获得公司2022年度“安全优秀项目奖”。我主导了设备指纹和混合模型的开发，成为团队交易安全的核心成员，也积累了从0到1搭建电商交易安全体系的全流程经验。