De un vistazo
- Tareas: Desarrollar modelos de ML para detectar malware en servidores web y mejorar la seguridad.
- Empresa: CloudLinux, una empresa global con cultura remota y enfoque en el bienestar de los empleados.
- Beneficios: Trabajo remoto, horarios flexibles, 24 días de vacaciones pagadas y reembolso de educación.
- Otra información: Oportunidades de crecimiento profesional y proyectos desafiantes en un entorno dinámico.
- Por qué este empleo: Únete a un equipo innovador y haz una diferencia real en la seguridad cibernética.
- Cualificaciones: 5+ años en sistemas de ML, experiencia en dominios adversariales y habilidades en Python.
El salario previsto está entre 51750 - 63250 € por año.
CloudLinux es una empresa global que opera de forma remota. Estamos impulsados por nuestros principios: hacer lo correcto, priorizar a los empleados, ser remotos y ofrecer productos de infraestructura y seguridad Linux de alto volumen y bajo costo que ayudan a las empresas a aumentar la eficiencia de sus operaciones. Cada persona en nuestro equipo se apoya mutuamente para asegurar el éxito colectivo.
Imunify360 es la suite de seguridad de CloudLinux para servidores web Linux, que incluye escaneo de malware en tiempo real y en segundo plano, limpieza automatizada, un WAF, protección PHP en tiempo de ejecución (Defensa Proactiva), un escáner de malware de bases de datos y reputación IP. Funciona en servidores compartidos, VPS y dedicados de proveedores de alojamiento, lo que permite detectar nuevas campañas de malware web rápidamente.
Buscamos un Ingeniero ML Senior que convierta esos datos en detección efectiva — clasificadores, triaje asistido por LLM y firmas generadas — y siga explorando nuevos métodos de ML/LLM, medidos por las tasas de falsos negativos y falsos positivos del producto, no por la precisión en cuadernos.
Con lo que trabajarás:
- Muestras de malware de servidores de producción, con veredictos y decisiones de analistas.
- Años de firmas y reglas de detección.
- Falsos negativos y falsos positivos reportados por clientes.
- Comportamiento en tiempo de ejecución del código en sitios en vivo.
- Tráfico de ataques web.
- Metadatos de archivos y cómo se propagan entre servidores.
- Resultados de limpieza, incluyendo lo que volvió.
Lo que harás:
- El objetivo es detectar 10 veces más malware con la misma tasa de falsos positivos o menor.
- Decidir qué archivos en un servidor merecen un examen más detallado, dentro de estrictos presupuestos de CPU y memoria.
- Distinguir entre código malicioso y benigno a gran escala y a un costo razonable por archivo.
- Generar firmas de detección automáticamente a partir de nuevas campañas.
- Capturar malware que solo parece malicioso en contexto, como páginas de phishing e inyecciones de scripts.
- Dirigir cada archivo al motor de detección adecuado.
- Hacer que la limpieza sea precisa para que los sitios permanezcan limpios después.
- Demostrar que cada modelo mejora la detección antes de su lanzamiento.
Cómo trabajamos:
- Tienes una pista de experimentación, GPUs y una línea directa con la dirección; a cambio, traes números, no opiniones.
- Trabajo remoto, asíncrono, desde UTC−5 hasta UTC+8.
- Las decisiones se documentan (ADR-Lite) y son públicas por defecto.
- El hardware sigue la evidencia: cada dirección de entrenamiento comienza con GPUs dedicadas en nuestro propio metal desnudo; la dirección se ha comprometido a financiar más cuando se justifique con datos.
- Ingeniería agente: Claude y Codex son las herramientas predeterminadas, conectadas a GitLab, Jenkins, Redash, Jira y Slite a través de servidores MCP.
- Nos enfocamos en cómo los ingenieros trabajan con agentes — contexto, especificidad, calidad de revisión — no solo en la producción.
- Cercanía a la verdad: trabajas diariamente con analistas de malware, ingenieros de detección e infraestructura, y el resto de nuestro equipo de ML.
- Puertas de envío: ningún modelo o construcción se lanza si genera falsos positivos o negativos en nuestros conjuntos de errores pasados.
- Post-mortems sin culpa dentro de las 24 horas.
Lo que entregarás:
- Posees el camino desde muestras crudas hasta un modelo en producción, y los números que demuestran que ayudó.
- Primer mes: un primer modelo entrenado con datos de producción y medido contra los motores actuales — triaje de archivos sospechosos o un modelo de metadatos.
- El arnés de evaluación en su lugar: divisiones por tiempo y campaña para que las familias no filtren, y un conjunto de regresión de FPs y FNs pasados.
- Para el mes 3: varios modelos en producción: algunos en modo sombra construyendo evidencia, algunos en vivo y produciendo detecciones reales, todos controlados por el conjunto de regresión de errores pasados.
- Una configuración de entrenamiento que mantiene ocupadas sus GPUs.
- Una propuesta escrita (ADR) para la cascada de detección, con costo por archivo y necesidades de hardware.
- Para el mes 12: los modelos son una fuente principal de nuevas detecciones, reportadas como parte de nuevas detecciones y tendencia de tasa de FN.
- Reentrenamiento en etiquetas frescas de analistas y FN en una cadencia fija.
- Firmas generadas dentro del flujo de trabajo del analista.
- Dos o tres direcciones de entrenamiento paralelas que otros ingenieros pueden ejecutar con tus herramientas.
Lo que traes:
- Más de 5 años construyendo sistemas de ML que funcionaron en producción, incluyendo más de 2 en un dominio adversarial: seguridad, abuso, fraude o spam.
- Has entrenado y ajustado modelos transformadores tú mismo — preparación de datos, tokenización de código, LoRA/QLoRA o ajustes completos, destilación, cuantización — no solo has llamado a APIs alojadas.
- Profundidad en ML clásico: boosting de gradiente, modelos lineales en características dispersas, calibración, desequilibrio de clases y juicio sobre cuándo estos superan a un LLM.
- Disciplina de evaluación: divisiones sin filtraciones por tiempo y familia, precisión en un presupuesto fijo de falsos positivos, conjuntos de regresión y un relato honesto de por qué la producción diferirá de lo offline.
- Ingeniería de costos de inferencia: has medido rendimiento y latencia y hecho que un modelo se ajuste a un presupuesto de CPU o memoria (ONNX, llama.cpp, vLLM, int8/int4).
- Fuerte conocimiento de Python, PyTorch y el stack de Hugging Face; SQL en grandes tablas analíticas (ClickHouse o similar).
- Familiaridad con PHP o JavaScript, o disposición para aprender trabajando con nuestros analistas de malware.
- Usas agentes de codificación AI diariamente y puedes demostrar cómo.
- Inglés en nivel intermedio alto (B2) o superior, con habilidades de comunicación escrita particularmente fuertes para trabajo asíncrono.
Es un gran plus si tienes:
- Experiencia en malware web, shells web, kits de phishing o seguridad de WordPress.
- Modelos sobre código: características AST o de tokens, LLMs de código, modelos de grafos sobre la estructura del programa.
- Análisis de similitud y agrupamiento de malware.
- Entrenamiento multi-GPU en tu propio metal desnudo; MLflow o Weights & Biases; versionado de datasets.
- Go o Rust, para inferencia en servidor.
- Trabajo publicado o charlas sobre ML para seguridad.
¿Qué hay para ti?
- Enfoque en el desarrollo profesional.
- Proyectos interesantes y desafiantes.
- Trabajo completamente remoto con horarios flexibles, que te permite programar tu día y trabajar desde cualquier ubicación en el mundo.
- 24 días de vacaciones pagadas al año, 10 días de feriados nacionales y licencias por enfermedad ilimitadas.
- Compensación por seguro médico privado.
- Reembolso por coworking y gimnasio/deportes.
- Presupuesto para educación.
- Oportunidad de recibir una recompensa por la idea más innovadora que la empresa pueda patentar.
Al postularte para esta posición, consientes el procesamiento de tus datos personales según lo descrito en nuestra Política de Privacidad.
Senior ML Engineer - Security AI for Web Malware in Granada empresa: CloudLinux Inc.
CloudLinux Inc. es un excelente empleador que ofrece la oportunidad de trabajar en un entorno completamente remoto, lo que permite un equilibrio óptimo entre la vida laboral y personal. Fomentamos una cultura de colaboración y crecimiento, donde los empleados pueden desarrollar sus habilidades técnicas y de liderazgo mientras contribuyen a un producto innovador en el ámbito de la seguridad del correo electrónico. Además, ofrecemos un entorno de trabajo inclusivo que valora la diversidad y promueve el aprendizaje continuo, asegurando que cada miembro del equipo se sienta valorado y apoyado en su desarrollo profesional.
Consejo de los expertos de StudySmarter🤫
Creemos que así podrías conseguir Senior ML Engineer - Security AI for Web Malware in Granada
✨Conviértete en un miembro activo de la comunidad de ciberseguridad
Participa en foros y comunidades like OWASP o Reddit. Compartir tus conocimientos y aprender de otros puede abrirte puertas en este campo tan dinámico. No solo es una forma de aprender, sino que también te ayuda a crear contactos valiosos.
✨Asiste a conferencias y meetups de ciberseguridad
Eventos como Black Hat y DEF CON son geniales para conocer a profesionales del sector y enterarte de las últimas tendencias. Lleva tus tarjetas de presentación y no dudes en hablar de tus proyectos y pasiones en ciberseguridad. ¡La interacción directa siempre deja huella!
✨Demuestra tus habilidades a través de proyectos prácticos
Crea un portafolio en GitHub donde muestres proyectos de ciberseguridad, como pruebas de penetración o análisis de vulnerabilidades. A los reclutadores les encanta ver tu trabajo práctico y tu capacidad de resolver problemas. ¡Es la mejor forma de mostrar de lo que eres capaz!
✨Aplica a través de nuestra web
Cuando veas una oportunidad emocionante como la de Senior ML Engineer - Security AI for Web Malware en CloudLinux Inc., aplica directamente a través de nuestra web. Asegúrate de personalizar tu aplicación para reflejar tu pasión y conocimientos en ciberseguridad, ¡eso siempre atraerá la atención de los reclutadores!
Creemos que necesitas estas habilidades para triunfar como Senior ML Engineer - Security AI for Web Malware in Granada
Algunos consejos para tu solicitud 🫡
Destaca tus certificaciones relevantes:En ciberseguridad, tener certificaciones como CEH, CISSP o CompTIA Security+ puede ser un gran plus. Asegúrate de incluirlas en tu CV y mencionarlas en tu carta de presentación. Esto muestra que no solo conoces el mundo de la ciberseguridad, sino que estás comprometido a mantenerte actualizado.
Incluye proyectos prácticos:Si has trabajado en proyectos de ciberseguridad, ya sea en la universidad o de forma independiente, ¡muéstralos! Esto puede ser desde análisis de vulnerabilidades en un entorno simulado hasta contribuciones en plataformas de código abierto. Puedes incluso crear un portfolio digital para que los reclutadores vean tus habilidades en acción.
Sé claro sobre tus objetivos profesionales:En tu carta de presentación, menciona por qué te interesa específicamente el puesto de Senior ML Engineer - Security AI for Web Malware en CloudLinux Inc.. Demuestra que has investigado sobre la empresa y que tus objetivos profesionales se alinean con sus metas en ciberseguridad. Esto puede hacer que tu aplicación destaque entre muchas.
Cuida la redacción técnica:Asegúrate de que tu CV y carta de presentación reflejen tu dominio del vocabulario técnico pertinente en ciberseguridad. No solo te ayudará a mostrar tu conocimiento, sino que también facilita la tarea de los reclutadores técnicos que revisen tu aplicación. ¡Estamos aquí para ayudarte a que tu aplicación brille y a conseguir ese trabajo a tiempo completo!
Cómo prepararte para una entrevista de trabajo en CloudLinux Inc.
✨Domina las herramientas de ciberseguridad
Es fundamental que te familiarices con las herramientas y tecnologías comunes en ciberseguridad, como firewalls, sistemas de detección de intrusiones y software de análisis de vulnerabilidades. Prepárate para preguntas técnicas que puedan tocar sobre cómo implementar y gestionar estas herramientas.
✨Preguntas técnicas y escenarios prácticos
En las entrevistas para ciberseguridad, es típico que te enfrentes a preguntas situacionales o proyectos de caso que evalúan tu capacidad para identificar y mitigar amenazas. Practica escenarios de ciberataques y cómo responderías; asegúrate de tener ejemplos específicos que reflejen tu experiencia.
✨Demuestra tu pasión por la seguridad
Como es un puesto a tiempo completo, las empresas buscan a alguien comprometido a largo plazo con la seguridad. Habla sobre proyectos personales, participación en comunidades de ciberseguridad o cursos que hayas tomado. Esto demuestra que realmente te importa el campo.
✨Prepara tu porfolio de logros
Para destacar en una posición de ciberseguridad a tiempo completo, es útil tener un portafolio en el que muestres tus logros anteriores, como auditorías de seguridad, proyectos de protección de datos o cualquier certificación relevante. Asegúrate de poder hablar específicamente sobre lo que hiciste y los resultados que obtuviste.