Ingeniero de Aprendizaje Automático Aplicado - SEAR

La organización de Security Engineering & Architecture de Apple es responsable de la seguridad de todos los productos de Apple. Apasionados por proteger a los usuarios, creemos que la mejor defensa requiere una gran ofensiva. Cuando se trata de asegurar más de mil millones de dispositivos que ejecutan los sistemas operativos más sofisticados del mundo, eso significa encontrar las vulnerabilidades primero. Nuestra misión es descubrir, comprender y explotar vulnerabilidades en todas las capas de las plataformas de Apple, y creemos que las técnicas de ML mejoran significativamente nuestra capacidad para hacerlo. Buscamos un Applied Machine Learning Engineer que nos ayude a inventar y entregar estos nuevos métodos y técnicas. Este puesto ofrece una exposición excepcional a una visión de stack completo de la seguridad, junto con acceso directo a conocimientos expertos, conjuntos de datos únicos y experiencia en múltiples dominios. Tus contribuciones elevarán materialmente la seguridad de los productos utilizados por miles de millones de personas y fortalecerán la capacidad de Apple para defenderse de los adversarios. ¿Puedes marcar la diferencia a esta escala? Únete a nuestro extraordinario grupo de investigadores de seguridad, desarrolladores de herramientas y expertos en aprendizaje automático, y ayuda a proteger a todos los usuarios de Apple.

En este puesto, te integrarás profundamente con los equipos de investigación de seguridad para comprender los retos de analizar sistemas grandes y complejos en todo el stack de Apple, desde el silicio personalizado y los elementos microarquitectónicos hasta las boot ROMs, firmware, kernels, frameworks del sistema, el navegador web y las aplicaciones de usuario. Diseñarás y desarrollarás sistemas mejorados por IA utilizando modelos de lenguaje extensos (LLM), flujos de trabajo de agentes (agentic workflows) y enfoques de aprendizaje automático que complementen otros métodos de análisis como el fuzzing, el análisis estático & dinámico y la inspección manual. Tu trabajo aprovechará los datos brutos y el comportamiento experto para crear enfoques prácticos y escalables que ayuden a los investigadores a navegar por vastas bases de código, razonar sobre superficies de ataque intrincadas e identificar debilidades sutiles que son difíciles de detectar manualmente. También colaborarás regularmente con investigadores de seguridad para validar y poner a prueba tus innovaciones durante evaluaciones de seguridad en el mundo real, asegurando que tu trabajo tenga un impacto significativo directo.

Apple's Security Engineering & Architecture organization is responsible for the security of all Apple products. Passionate about safeguarding users, we believe that the best defense requires a great offense. When it comes to securing more than a billion devices running the world's most sophisticated operating systems, that means finding vulnerabilities first. Our mission is to discover, understand, and exploit vulnerabilities across all layers of Apple’s platforms, and we believe that ML techniques significantly enhance our ability to do so. We are seeking an Applied Machine Learning Engineer who will help us invent and deliver these new methods and techniques. This position provides rare exposure to a full‑stack view of security along with direct access to expert knowledge, unique datasets, and cross‑domain experience. Your contributions will materially raise the security of products used by billions and strengthen Apple’s ability to defend against adversaries. Can you make a difference on this scale? Join our extraordinary group of security researchers, tool developers, and machine learning experts, and help protect all Apple users.

In this role, you will integrate deeply with security research teams to understand the challenges of analyzing large, complex systems across Apple’s full stack, from custom silicon and microarchitectural elements to boot ROMs, firmware, kernels, system frameworks, web browser and user applications. You will design and develop AI‑enhanced systems using large language models, agentic workflows and machine learning approaches that complement other analysis methods such as fuzzing, static & dynamic analysis, and manual inspection. Your work will leverage raw data and expert behavior to create practical, scalable approaches to help researchers navigate vast codebases, reason about intricate attack surfaces, and identify subtle weaknesses that are challenging to detect manually. You will also collaborate regularly with security researchers to validate and challenge your innovations during real-world security evaluations, ensuring that your work will directly affect meaningful impact.