隐藏的敏感信息｜2017.06 – 2017.09（实习）／2018.07 – 至今

职级：T9（2022 – 2024）→ T10（2024 – 至今）

• 体系规划：围绕制度规范、研运流程、业务系统和安全运营建立长期能力版图，形成 30+ 项原子能力；将风险场景、能力组件、交付产品和运营指标，与业务场景连接为统一 Roadmap，支撑游戏资源防泄漏、HIDS、隐藏的敏感信息与 AI 安全等重点项目落地，具备体系建设与宏观规划能力；
• 架构与产品：主导建设安全资产图谱、镜像扫描、站点安全上线流程、云安全审计、HIDS、ChatOps 与 AI 安全平台；涉及方案调研、架构设计、数据模型、技术方案、项目规划决策、安全运营，同时参与或指导产品设计、用户交互，具备跨界跨领域经验；
• 业务风险与治理：年均完成 10+ 项业务重大安全方案评估，主导多次泄漏、入侵与供应链应急事件处置；长期协调安全、业务、研发、产品、平台及运维团队，把一次性应急转化为检查清单、产品能力和常态化机制；
• 组织影响：隐藏的敏感信息 PMC，推动跨 BG 开源协同；开发 隐藏的敏感信息 技术族必修课程《隐藏的敏感信息运营安全须知》，评分 4.91、覆盖 隐藏的敏感信息 人；带 隐藏的敏感信息 名 T9 社招与 隐藏的敏感信息 名实习生，形成研究、评估和项目管理培养方法，具备宣导、培养新人经验

完全由个人立项、研发、运营、维护的 BG 级平台：围绕资产、工具、事件构建的 AI ChatOPS 安全运营服务

• 平台架构：以工具实例化、权限控制、执行编排、观测响应分层；支持企业微信客服号与群机器人，支持文本、命令、API、审批交互和定时任务形式，降低安全运营成本
• 规模化演进：从 2018 年的 30 类工具演进到 2026 年共计 70+ 工具、任务和触发器，半年内主动调用 3 万+ 次、被动执行 2000+ 次
• AI 化：实现聊天话题分析、运营日报周报总结、安全事件响应与意图分析，并以简易 Agent 优化 MCP 调用逻辑；同时提供云端 MCP 服务，便于用户和其他服务使用 Agent 调用
• 结果：成为团队安全运营特别是事件响应、异常定位、资产查询的第一入口，为安全咨询、业务动向提供了关键指标和分析数据，半年节省人力 2 万+ 分钟（约 41 人日），AI 提效获部门级奖项

独立负责产品定义、架构设计、研发与验收，调用 AI 完成全部模块实现。面向安全团队构建蓝队报告核验与运营、红队主动漏洞挖掘两条链路，持续解决长任务中的上下文膨胀、重复探索、执行串行和结论失真问题。

• 设计对抗迭代架构：基于 OpenHands 框架，建设任务控制、工具依赖、证据与评测能力。红队可基于源码、部署配置和测试环境，蓝队基于外部已有测试报告，形成漏洞挖掘、报告验证、迭代补充的优化飞轮；设计主 Agent 统筹、浏览器优先、专家独立上下文、源码定位与动态验证分工的演进路线。
• 记忆与上下文管理：分离会话状态、原始证据与跨任务经验，支持中断恢复；长任务按窗口和事件量触发摘要压缩，保留目标与关键约束，完整材料落盘、按需读取。在评测侧沉淀成功路径、负样本和验证依据，开发知识蒸馏管线，形成可审查的经验资产。
• 工具与并发优化：按场景和环境能力裁剪工具包，以结构化参数、固定动作和统一结果封装工具；将批量取数、对照验证、重试与留证下沉到确定性代码；建立持久队列、去重和并发槽，实现读并行、写排队。
• 验证驱动迭代：将漏洞结论绑定真实请求、响应和对照证据，反馈并驱动 Agent 继续验证；结合执行轨迹、覆盖矩阵、失败分类及带标准答案的靶场，发现并修复工具缺陷、决策空转和覆盖盲区，持续调整执行策略与结束条件，在费用和时间预算中取平衡。
• 业务落地：已在 BG 安全接口团队投入使用，蓝队自动触发报告核验、判断真实性与实际危害、固定证据，并结合内部系统完成定位、简报更新和定级，实现 SRC 报告核验与取证工作；红队支持结合源码、部署配置和线上测试环境开展自主漏洞挖掘与测试，实现自动化安全评估。

负责企业级 HIDS 的产品规划、技术路线及跨团队交付，统筹研发、安全策略、部署和产品成员，自 2024 年开始从零建设至今。围绕 Linux 主机观测、入侵检测与安全运营，组织建设“部署 → 采集 → 检测 → 研判 → 处置”能力链路，完成国内外隐藏的敏感信息台主机部署，覆盖入侵检测、基线检测、病毒检测等能力。

统筹技术产品路线

• 产品路线：确定“采集先行、优先满足安全使用需求、逐步完善能力并实现运营价值”的产品路线，将主机采集、安全计算、风险研判和产品运营组织为相互衔接的能力层；各层由专人跟进、负责，通过例行周会共享各方向的进展与信息。
• 分层分级建设：主机行为采集按数据时效性分为定时任务采集与内核事件采集；内核采集按使用量和实用性，优先支持基于 eBPF 的进程与网络采集；检测策略按置信度划分为实时规则与 AI 研判；运营产品按与处置的关联程度划分为异常定位功能与观测功能，优先建设前者；优先在核心业务部署。
• 数据缓行治理：通过主机部署灰度与数据上报灰度，渐进式裁剪冗余数据；对非实时数据错峰采集与上报，实现数据削峰，提高数据链路利用率；引入 AI 评估字段实用性，合并传统冗余规则，提升处理效率。
• 个性化配置：提出并落地以安全功能为核心的个性化配置管理器，由二进制程序声明功能与参数，允许用户通过个性化配置精准调整指定主机的参数与配置；解耦程序部署与配置分发，在云端实现精细化配置管理与实时下发。
• AI 原生服务：推动 MCP 作为一级入口，允许用户通过 Agent 直接查询上报数据、使用报表和基线检测等服务，支持用户定制分析工具与展示任务；同时在产品端集成 Agent，提供主机行为分析等常见 AI 场景工具；为 Agent 集成本人开发的蓝队 MCP，打通人员、其他系统与情报库，自动对风险事件进行研判与归因，推进低成本应急响应 SOP 建设。

项目管理

• 统筹：统筹 隐藏的敏感信息 人力，推进 5 个子模块建设，负责职责划分、产品路线、阶段目标、任务优先级与验收，明确各方向负责人及交付边界；统筹全职与兼职成员的任务安排和协作依赖，集中处理技术方案、资源投入与版本范围之间的冲突。
• 方法：确立周会同步、双月版本交付与半年北极星指标机制，明确各成员负责的模块、功能与职责，保持项目内信息透明，形成对关键节点的统一预期。
• 指标：为 5 个子模块建立主、次两级衡量指标，主要指标包括部署率、采集事件率、策略完备率、自动研判率和事件处置率；归一化后作为衡量项目进展的权威指标，并以后台首页看板呈现，用于项目进度观测。

成果与交付验证

• 国内外共部署近 隐藏的敏感信息台主机，可在 2 个月内完成滚动更新，部署成功率 ≥99%，在线率 ≥98%。
• 基于eBPF、netlink实现进程、网络、DNS、文件、管道、内存、bash等事件实时采集。
• 实现入侵检测、病毒检测、基线检测等 HIDS 标准功能，支持 30 秒级风险研判与小时级基线检测报告输出。

以游戏资源的生命周期为主线建立全链路防泄漏方法，将零散的泄漏点升级为覆盖研发、平台、渠道、合作方与客户端的业务风险建模、体系化演习和加固方案。两期专项均在真实业务现网链路中实施，风险定位和溯源均需要在业务真实环境运行中完成。

• 风险模型：情报收集-风险建模分析-技术验证与审计-安全加固。建立以游戏研发链路和资源所在实体为双轴的信息架构方案；通过思想实验方式，模拟泄露可能的动机与渠道，并按可行性细化验证；通过黑盒、黑白盒、白盒三个角度对泄露渠道进行验证，同步验证平台系统的审计溯源能力。
• 项目难点：两个业务均为研发团队规模庞大的 TOP 游戏（隐藏的敏感信息、隐藏的敏感信息），需要在保持本项目保密性的同时尽可能收集较多信息，尽量达成比外部攻击者、内鬼更早发现泄露渠道；本项目也是第一次将 TOP 游戏的跨团队合作研发关系梳理清楚、降低复杂度，并因此得到了业务负责人的高度认可，创造了持续合作的前提。
• 方法论：建立游戏资源防泄漏的双轴管控方法，以游戏创作流程为时间轴，拆分设计、研发、构建、测试、发布、运营阶段，以参与实体为区域轴，拆分制度、物理、网络、主机、系统、工具、人员层次。除了在两期专项验证，目前正在供应链子公司场景中探索 AI 辅助能力的适用性，包括用 AI 辅助梳理研发链路、预研自动化资产测绘，作为方法论下一阶段演进的方向。
• 项目结果：
  • 隐藏的敏感信息项目于 2024 年 H1 完成，人工梳理涉及 60+ 角色与平台，归纳创作期、测试期、资源铺设期、合作宣发期、线上营运期 5 个风险场景，设计 3 场专项演习，组织 11 项平台系统的安全评估，发现 隐藏的敏感信息 类泄露渠道，阻断 隐藏的敏感信息 泄露风险，包括但不限于游戏所有源码泄露、在研资源泄露、开发宣发计划泄露、部分服务器和数据库权限泄露。
  • 隐藏的敏感信息项目于 2026 年 H1 完成，除了继承上一项目的经验外，针对其特点设计并实施了对外部协作系统溯源能力测试、基于 AI 自动逆向的客户端泄露测试，共发现 隐藏的敏感信息 类泄露渠道，阻断 隐藏的敏感信息 泄露风险，包括但不限于游戏所有源码泄露、在研资源泄露、开发宣发计划泄露、内部系统权限泄露；同时得益于 AI 漏洞挖掘能力，反馈 28 项业务关注项以降低后续泄露可能性。
  • 两期专项均验证出"全部源码泄露"级别的最高风险，证明双轴方法在不同业务间可迁移、可复现，因此确认该方法为可复用的标准流程。
  • 基于游戏链路和纵深防御，设计了震慑宣导、测试包追踪、云桌面研发等 10+ 个降低风险的安全解决方案，部分已在后续合作中落地。

从单点安全能力出发，沿着"业务场景—风险模型—原子能力—交付载体—运营指标"的五层结构，把长尾、零散的安全需求收敛为可组合复用、持续运营的能力矩阵。

• 单点能力案例（仅含本人主导的自研安全能力）：
  • 镜像安全检测能力（2019 年）：业务上云后缺乏交付物准入门禁，对镜像文件静态分析，识别 SBOM 漏洞组件、弱口令、恶意文件、敏感信息等风险；分离数据获取、子检测器等模块实现弹性扩缩容，资源利用率 >=95%；覆盖 4 个 BG，发现 1w+ 严重漏洞并落地运营；作为公司 隐藏的敏感信息 核心能力之一，嵌入 CI/CD 流水线并孵化了云上容器安全扫描能力。
  • 高危服务扫描（2022 年）：业务规模扩张导致暴露面识别窗口期缩短，通过对资产、开放服务与端口的分类分级，实现 30s 发现 BG 全资产高危服务，2min 内发现新增 Web 服务；建立指纹维护机制，识别新兴和未知服务，与资产库联动，建立 BG 外网资产图谱；建立安全运营保障，实现 2min 触达责任人处置异常，规避 100+ 潜在入侵风险，识别出 10+ 起云上服务异常。
  • APK 文件水印（2023 年）：测试包外流难以定位，基于 APK 格式协议和签名机制，通过嵌入游戏 SDK、包构建过程，实现游戏 APK 一人一包，实现用户无感的包追踪；可溯源测试包的下载人、使用设备、登录身份等关键指标，已接入 10+ 头部业务。
• DevSecOps 上线前门禁（2021 年）：以域名为治理对象，把 SAST、DAST、域名用途和风险工单嵌入业务上线链路；对接 BG 内 5+ CI/CD 平台让扫描能力自动触发；上线后半年，源码扫描合规率由 隐藏的敏感信息 提升至 隐藏的敏感信息，测试漏扫由 隐藏的敏感信息 提升至 隐藏的敏感信息，成为 Web 上线安全治理的标准入口。
• 建设策略：自研聚焦高频、强定制化需求（上述）；业内常用的能力，例如病毒扫描、威胁情报等判断为无需自研，通过司内采买、外部引入的方式集成；探索类则仅预研，作为团队成长项，如基于 GAN 思想建设恶意命令识别等。
• 持续建设结果：5 类建设方向共推进 30+ 能力项的建设，并孵化了游戏资源防泄漏管控等业务场景解决方案，成为团队安全能力建设的复用底座。

面向 BG 数万 Skill 建立安全准入体系，在复用传统静态代码扫描能力的同时，结合 Skill 存在意图、工具和业务逻辑的特点，对使用者、开发者提供安全评估报告

• 风险模型：整体分为意图分析、风险发现、可利用性评估三个阶段；为保护使用者，对 Skill 进行意图正当性、代码安全性、制品安全性评估；为保护开发者，对 Skill 进行敏感信息、权限泄露评估；发现风险后，针对设计意图和风险信息评估利用难度，实现风险分级
• 实现架构：以固定流程的 Agent 为主，特定工具规则为辅。Agent 模拟加载 Skill 并重新总结设计意图，评估 Skill 描述一致性；LLM 对代码、文档进行行为分析，重点检测访问敏感文件、外传信息和执行恶意命令等行为；对二进制、引入包直接使用已有病毒检测、组件安全分析工具快速处理；各阶段独立输出可校验证据，最终 Agent 汇总各检测器结果评估误报和利用难度
• 关键决策：以 Skill 设计意图和渐进式加载过程为核心设计检测 Agent；引入传统代码安全扫描工具和规则实现快速、低成本的研判，Agent 仅关注因其是 Skill 而容易发生的新风险；检测过程分阶段、分检测器执行，可以在分钟级完成扫描和具备断点恢复能力
• 结果：上线当日即完成 隐藏的敏感信息 个业务约 隐藏的敏感信息 Skill 接入，发现 隐藏的敏感信息 起风险，涵盖业务敏感信息外泄、漏洞组件引入等类型；交付产研团队作为 BG 的基础安全能力

独立设计并完成首版实现 BG 公有云安全审计架构，构建多云账号、资产与操作日志的统一数据底座，交接研发团队后持续负责审计策略建设，与审计平台协同实现 CSPM 能力。

• 权限层抽象：取代此前依赖特权账号的脚本方案，统一多云授权模型，以 STS 角色扮演等方案获取临时授权，同时推动业务在统一平台登记安全审计账号，以全读权限完成跨云授权接入，形成可供新增云环境沿用的授权与接入流程。
• 资产库归一化：将多云环境中同产品、不同格式的数据抽象入库；分级接入主机、账号等一级资产，以及 DB、LB、COS 等 PaaS 服务，并接入操作日志作为核心审计对象，共约 30 类；资产按类型设置拉取周期，主机数据每 5 分钟同步，日志分钟级上报。
• 日志削峰与精简：面对大规模云日志，从源头削减写入量：审查日志内容后按账号维度剔除扫描账号等高信誉来源，裁剪自动化程序的只读调用和公司内部非敏感查询，无审计价值的日志不再落库，兼顾同步时效与存储成本。
• 资产生命周期与快照：每类资产独立同步周期并全量同步，失败自动重试；资产下线以软删除标记；历史快照按设计仅保留变化区间的关键节点，在不影响审计查询的前提下削减存储。
• 审计策略：结合云上风险场景与安全基线，设计并编写覆盖账号安全、AKSK 安全等方向的审计策略，将安全要求转化为可执行的判定条件与数据关联逻辑，支撑云侧风险识别、问题定位与责任追溯。
• 结果与应急：为扫描、资产查询、溯源与后续风险计算提供云侧数据，成为资产库与审计中心的上游数据来源；实现云上操作行为的完整溯源，支撑子账号 MFA、子账号权限、安全组放通过宽等配置风险审计；入侵应急时可按 AK 一键查询最近操作日志，定位访问范围，分析泄露范围与操作轨迹；2026 年起提供 MCP，支持自助定位与溯源。

主导建设 BG 安全资产图谱，关联分散系统中的人员、权限、域名、服务与主机数据，解决跨系统人工排查、资产反向追溯及内网主机对外暴露路径难以查询的问题。

• 架构与建模：主导图数据库选型与整体设计，将资产及关系额外存储为图结构，以空间换取复杂关联查询能力；对云主机、负载均衡、域名、漏洞库等离散数据做标准化，定义实体模型、关联条件和清洗规则，协同研发完成实时构图、离线数据源及通用查询能力。
• 风险研判与追溯：通过多跳查询判断主机及端口是否存在对外访问链路（含经负载均衡对外的场景），据此确定风险处置优先级并为组件漏洞定级提供依据；向外部扫描器供给新增资产，支持优先扫描，并提供人员名下资产、资产网络关联轨迹等查询接口。
• 人员安全治理：以图关系表达人与系统的权限，支持跨人员权限差异比对，作为离职、异动检查门禁；结合安全工单、负责机器和风险处理效率等维度评分，形成人员安全画像。
• 结果：成为 BG 级权威安全资产数据源，被扫描、成本核算等应用复用；面向 隐藏的敏感信息 个对外端口，支持分钟级统计新增服务，为管理后台扫描提供增量目标；资产数据用于扫描、应急追溯与安全审计，支撑审计任务按日自动执行。

跨 Agent 的项目管理插件集：把工作方式、项目状态与行为规则固化在项目目录，Claude Code、Codex、Cursor 打开同一项目都能接续工作。

• 状态归项目：骨架、事项、进度与记忆落在项目本地，Agent 只是可替换的执行者；换客户端、换模型或断网，上下文不丢。
• 规则归用户：行为规则逐条由用户确认，版本化并可锁定；新版本只提示、不自动采纳，对话中的偏好与纠正先暂存，再由用户裁决。
• 改动可预览、可恢复：写入先展示影响，确认后执行并回读验证；升级前自动备份，冲突时三方合并。
• 离开 Agent 仍可管理：终端入口不调用模型、无需登录，找资料、看进展、健康检查与 SOP（Standard Operating Procedure，标准作业流程）照常使用。

• Outstanding（5 星）× 4
• 卓越运营奖 / 卓越研发奖 / 自研上云奖：各 1 次。
• 业务突破奖 × 4：业务侧专项突破。
• 开源协同奖 × 11：隐藏的敏感信息 跨 BG 协同贡献，另作为公司级项目核心贡献者获 隐藏的敏感信息 奖金

首页推荐 2 篇，Matrix 推荐 1 篇。

• 「我在隐藏的敏感信息搞技术」直播嘉宾（2022）：隐藏的敏感信息招聘官方直播节目嘉宾
• BG 校招生培养项目「隐藏的敏感信息运营安全须知」课程开发者（2024）：评分 4.91 / 隐藏的敏感信息 人，已作为 隐藏的敏感信息 毕业生技术族必修
• 724 运维大会《让安全贴合业务》（2021）：向部门介绍 DevSecOps 自动化与提效
• 多个部门的体系毕业生见面会，安全意识宣导（2021）：评分 4.8
• 多部门专项安全意识与 HW 培训（2019-2022）：评分 4.91

GPA 3.4 / 4.0，CET-6。

• 隐藏的敏感信息 Web 方向负责人：组织校内 Web 安全方向训练，带队参赛获 CTF 一等奖 3 次，Top 10 共 7 次。
• 校外贡献：有效漏洞提交至 WooYun、隐藏的敏感信息