인포시즈는 ML 기반의 새로운 Detection & Investigation 레이어로 AI Security 시장을 재정의하는 제품을 만들고 있습니다. 복잡한 시스템 속에서 위협을 발견하고, 그 맥락을 이해하고 조사하는 방식을 근본적으로 발전시키는 것이 우리의 목표입니다.

Applied Scientist, Machine Learning (AI Security)은 아직 아무도 풀지 못한 보안의 머신러닝 문제에 도전하고, 새로운 제품 범주를 가능하게 하는 핵심 기술을 만드는 역할입니다. 신경망 아키텍처, Representation Learning, LLM Post-Training, Investigation Agent를 연구하며, 자신의 아이디어로 제품이 해결할 수 있는 문제의 범위를 넓힙니다.

어떤 문제를 풀어야 하는지부터 모델을 어떻게 설계하고 무엇으로 가치를 증명할지까지, 기술의 방향을 직접 설계하는 자율성과 책임을 갖습니다. 연구의 독창성, 실제 현장에서의 영향력, 새로운 시장을 만들어가는 경험이 연결되는 자리입니다.

이런 환경에서 연구합니다

아직 정답이 없는 문제를 깊이 파고들고, 자신의 연구로 새로운 해법을 만들어갈 수 있는 자리입니다.

• 아직 아무도 풀지 못한 문제에 도전합니다. 보안 위협은 복잡한 관계와 시간의 흐름 속에 숨어 있고, 공격 방식과 운영 환경은 계속 변합니다. 정답이 충분하지 않은 조건에서 중요한 신호를 발견하고, 그 의미를 이해하며, 처음 만나는 상황에서도 신뢰할 수 있는 판단을 내리는 것은 여전히 열려 있는 연구 문제입니다. 우리는 모델의 표현력과 학습·일반화 능력을 발전시켜, 탐지와 조사가 도달할 수 있는 수준을 새롭게 정의하려 합니다.
• AI Security 시장의 새로운 제품 범주를 함께 만듭니다. 우리가 만드는 ML 기반 Detection & Investigation 레이어는 보안팀이 위협을 발견하고 이해하는 새로운 방식을 제시합니다. 어떤 능력이 제품의 핵심이 되어야 하는지, 사용자에게 어떤 새로운 가치를 제공할 수 있는지까지 연구와 함께 정의합니다. 자신의 연구가 제품의 차별성과 시장에서의 가치를 만드는 과정에 직접 참여합니다.
• 실제 현장에서 연구의 영향력을 확인합니다. 규모 있는 산업 환경의 보안 문제를 바탕으로 연구하고, 결과가 탐지와 조사의 품질을 어떻게 바꾸는지 확인합니다. 새로운 방법론이 실제 보안팀의 분석과 판단에 기여하는 과정까지 경험할 수 있습니다.
• 높은 자율성과 연구 오너십을 가집니다. 중요한 연구 문제를 발굴하고, 가설과 접근 방법을 스스로 제안합니다. 담당 연구의 아키텍처와 학습·평가 전략을 주도적으로 설계하며, 팀의 기술 방향을 만드는 데 참여합니다. 자신의 아이디어를 충분히 밀어붙이고 그 결과에 책임지는 연구자를 기다립니다.
• 보상은 업계 최고 수준으로 협의합니다. 실력과 주도성을 겸비한 연구자에게는 업계 최고 수준의 처우를 제안합니다.
• 연구 성과를 논문으로 발표할 수 있습니다. 현장에서 발견한 새로운 문제와 독창적인 해법을 Top-Tier 학회 혹은 저널에 발표하는 것을 적극 장려하고 지원합니다. 제품의 경쟁력을 높이는 연구가 학계에도 기여할 수 있도록 함께 발전시킵니다.

이런 문제를 풀게 됩니다

아래는 새로운 Detection & Investigation 레이어를 만들기 위한 주요 연구 방향입니다. 자신의 전문성과 관심을 바탕으로 한두 가지 주제를 깊이 연구합니다. 어떤 연구가 제품의 가능성을 가장 크게 넓힐지 함께 판단하고, 우선순위와 접근 방법을 주도적으로 설계합니다.

1. 신경망 아키텍처 연구 — 복잡한 시스템의 관계와 시간적 맥락을 이해하는 모델의 표현력을 확장합니다. Graph Learning과 Transformer·SSM 등 다양한 접근을 바탕으로, 보안의 어려운 문제를 풀기 위한 새로운 아키텍처를 설계하고 검증합니다.
2. Representation Learning 연구 — 방대한 데이터에서 의미 있는 구조와 패턴을 학습하고, 여러 문제와 환경에 활용할 수 있는 표현을 연구합니다. 제한된 정답 데이터로도 유용한 지식을 학습하고 일반화하는 방법에 도전합니다.
3. LLM Post-Training 연구 — LLM이 복잡한 보안 맥락을 이해하고, 조사에 필요한 추론과 판단을 더 정확하게 수행하도록 학습 방법을 연구합니다. 실제 현장에서 신뢰할 수 있는 분석을 제공하는 데 필요한 능력을 정의하고 발전시킵니다.
4. Investigation Agent 연구 — 복잡한 그래프를 능동적으로 탐색하며 흩어진 단서와 행위의 관계를 연결하고, 위협의 전말을 재구성하는 Agent를 연구합니다. 무엇을 더 확인해야 하는지 판단하며 조사를 이어가고, 위협의 시작과 전개 과정·영향 범위를 근거와 함께 설명하는 능력을 발전시킵니다.
5. 일반화와 신뢰성 연구 — 새로운 환경과 변화하는 데이터에서도 유효하게 작동하는 모델을 연구합니다. 모델이 무엇을 학습했고 어디까지 신뢰할 수 있는지 확인하며, 아직 평가 기준이 정립되지 않은 문제의 성공 기준부터 직접 설계합니다.
6. 연구 성과의 제품화 — 새로운 방법론을 재현 가능한 실험으로 검증하고, 탐지와 조사의 품질을 실질적으로 높이는 기술로 발전시킵니다. Engineering·Product 조직과 협업해 제품의 성능과 효율을 높이고, 현장에서 발견한 문제를 다음 연구로 연결합니다.

이런 분을 찾고 있습니다

• 아직 답이 정해지지 않은 문제를 만나면 직접 가설을 세우고 실험해보고 싶은 분
• 모델이 왜 작동하고 어디서 실패하는지 깊이 이해하며, 더 나은 방법을 만들어가는 과정을 즐기는 분
• 자신의 연구로 새로운 제품 범주를 만들고, AI Security 시장의 변화를 이끄는 데 큰 동기를 느끼는 분
• 연구 방향을 직접 설계하는 자율성과 그에 따르는 책임을 함께 반기는 분
• 새로운 분야를 빠르게 배우고, 동료와 함께 더 어려운 문제에 도전하고 싶은 분

기본적으로 이런 역량을 기대합니다

• 2년 이상의 머신러닝 연구 경험 또는 그에 준하는 경험. 석·박사 과정의 연구 경험을 포함합니다.
• 머신러닝, 확률·통계, 최적화 및 컴퓨터과학 전반에 대한 탄탄한 기초
• 하나 이상의 ML 분야를 깊이 연구하고, 모델을 직접 구현·학습·평가해본 경험
• Python 기반의 강한 소프트웨어 개발 역량과 PyTorch 등 딥러닝 프레임워크 활용 경험
• 모호한 문제를 검증 가능한 연구 가설로 정리하고, 적절한 baseline과 평가 방법으로 검증하는 능력
• 실험 결과와 자신의 판단을 명확히 설명하고, 동료와 논의하며 연구를 발전시키는 능력

이런 경험이 있다면 더욱 좋습니다

• Graph Learning, Sequence Modeling, Representation Learning 관련 연구 경험
• Foundation Model 학습 또는 LLM Post-Training 경험
• LLM 기반 Agent 또는 지식 그래프를 활용한 추론·탐색 시스템 연구 경험
• 새로운 모델 아키텍처나 학습 방법을 제안하고 그 효과를 검증한 경험
• 대규모 데이터·모델의 학습 및 추론 최적화 경험
• NeurIPS, ICML, ICLR, ACL, EMNLP, KDD 등 주요 학회·저널의 논문 발표 경험이나 이에 준하는 연구 성과
• 연구 결과를 실제 제품이나 서비스에 적용하고 그 효과를 확인한 경험

우리는 이런 부분을 더 중요하게 봅니다

우리는 어려운 문제를 자신의 연구로 풀어내려는 사람을 찾습니다. 높은 호기심과 빠른 학습 속도, 원인을 끝까지 확인하는 집요함, 아이디어를 실험으로 옮기는 실행력을 중요하게 봅니다.

예상과 다른 결과를 만났을 때 근거에 따라 가설을 수정하고, 실패한 실험에서도 다음 연구의 단서를 찾아낼 수 있어야 합니다. 자신의 발견을 동료와 나누고 서로의 판단을 더 정확하게 만들며, 팀 전체의 연구 수준을 끌어올리는 태도도 같은 무게로 생각합니다.

이 역할이 중요한 이유

새로운 Detection & Investigation 레이어의 경쟁력은 위협 신호를 찾아내는 능력과, 복잡한 상황을 이해하고 조사에 필요한 판단을 제공하는 능력에 달려 있습니다. 이 문제를 풀어내는 ML 연구가 제품이 무엇을 할 수 있는지, 사용자가 어떤 가치를 얻는지를 결정합니다.

Applied Scientist, Machine Learning (AI Security) 은 이 제품의 기술적 가능성을 직접 넓히는 역할입니다. 오늘 정의한 연구 질문과 내일 검증할 아이디어가 제품의 핵심 기술이 되고, AI Security 시장에 새로운 기준을 제시하는 기반이 됩니다.

아직 아무도 풀지 못한 문제에 도전하고, 자신의 연구로 AI Security의 새로운 제품 범주를 만들고 싶은 분을 기다립니다.

채용 절차

• 서류 전형 → 1차 인터뷰 → 2차 인터뷰 → 처우 협의
• 처우 협의 단계에서 레퍼런스 체크가 함께 진행될 수 있습니다.