2023年奇安信春招算法岗的这套卷子我在面试准备阶段刷过也听身边进了面试的同学复盘过。先说结论这套卷子并不是纯粹考察刷题量的“LeetCode式”笔试而是非常明显地带着安全业务底色很多题目表面考算法底层其实在考“你能不能理解一个安全系统里为什么需要这个算法”。这和面互联网大厂的算法岗有很明显的区别。如果你正准备投奇安信或者其他网安公司的算法岗这套卷子的复习思路值得单独拿出来说一说。我基于2023年这轮春招的真题回忆和社区里流传的版本结合我自己复盘后的理解把整张卷子从考察方向、核心算法拆解、安全场景实战、以及容易踩的坑这几个维度重新梳理一遍。不保证和原始试卷逐字一致但考点覆盖和出题风格基本能还原可以作为你备战同类岗位的参考。1. 2023奇安信春招算法卷的考察结构与出题思路1.1 整卷结构与模块定位先说整张卷子的框架。奇安信这轮算法方向春招笔试整体分三块基础算法题、安全场景算法题、以及机器学习/深度学习相关的理论题。时间一般给90到120分钟题量不算特别大但每道题都有一定深度尤其是安全场景的算法题如果之前没接触过安全业务很容易卡住。基础算法部分基本覆盖了传统数据结构和算法的核心考点字符串匹配KMP、排序、堆、贪心、动态规划、图论最短路Dijkstra、快速幂这些。这部分和普通互联网公司的笔试题差别不大属于基本功考察但有个细节值得注意奇安信的代码题更偏好C/C和PythonJava也能用但官方推荐的环境里C的编译选项可能更严格如果长时间没写C建议提前熟悉一下STL的常用容器和边界处理。安全场景算法题是这套卷子的核心区分点也是网安公司算法岗特有的考察维度。这里考的不是“你会不会写归并排序”而是“你能不能理解某个算法为什么在安全产品里被这样用”。比如规则引擎里Rete算法的匹配过程、流量检测里的BM25文本相关度、工控安全里的PID控制和卡尔曼滤波、还有密码学里SM2/SM3/SM4/ZUC这些国密算法的基本原理。这些内容如果只是靠刷题几乎不可能碰到必须对安全业务的常见算法场景有基本认知。机器学习/深度学习理论题则覆盖了KNN、聚类、PCA、XGBoost、强化学习、模型压缩等常见考点难度不算高但会结合安全场景来问比如异常检测里用聚类怎么做、恶意流量分类用XGBoost怎么处理样本不均衡。这部分与其说考理论推导不如说考“你能不能把模型落地到安全业务里”。1.2 为什么网安公司要考这些算法很多同学看到考卷里有PID、卡尔曼滤波、粒子群这类控制论算法会觉得很突兀心想我一个搞算法的为什么要懂控制论。这里要理解网络安全公司的产品矩阵奇安信除了传统的终端安全、边界安全还有工控安全、态势感知、安全大数据分析这些方向。工控安全里就会涉及对传感器数据的处理PID控制算法是工业控制系统的核心卡尔曼滤波用于对传感器噪声的滤除和状态估计粒子群算法则常用于参数寻优比如在某些安全检测模型里做特征选择或阈值优化。至于Rete算法这是规则引擎Drools的核心匹配算法在安全运营平台里大量告警规则需要实时匹配Rete算法的高效模式匹配能力在这里起到关键作用。这个知识点在常规算法岗面试里几乎不会出现但在奇安信的卷子里出现就很合理了。所以你要明白这套卷子不是在选拔“刷题机器”而是在选拔“能理解安全产品技术原理的算法工程师”。1.3 时间分配与做题策略我复盘时发现一个比较普遍的问题不少同学在基础算法题上耗了太多时间导致后面安全场景题和机器学习题没时间做。实际上这套卷子的分值配比里安全场景题和ML题加起来占比不低基础题写得再完美如果后面的题全空着总分一样很难看。我的建议是拿到卷子先把所有题目扫一遍优先做有把握的题。尤其是代码题不要一上来就闷头写最优解有些题暴力解能拿一半分先拿到分再考虑优化。比如KMP的手算next数组题如果你能快速算出来花5分钟拿分很划算但如果卡住了不要死磕先跳过做后面的题。另外奇安信的笔试题里经常会有“简答题”比如让你描述一个算法的原理和适用场景。这类题不需要写代码但需要用文字把逻辑说清楚平时复习时要注意训练自己口头表达算法原理的能力不能只会写代码不会讲思路。2. 传统数据结构与算法的高频考题精讲2.1 KMP算法与next数组手算实战字符串匹配在网安场景里太常见了特征匹配、恶意代码规则匹配本质上都是字符串匹配问题。所以KMP出现在考卷里是很自然的事情。我看到热搜词里专门有人提到“对于模式串pabacaba求next数组”大概率就是这套卷子的原题或类似题。KMP算法的核心在于next数组也叫部分匹配表。next[i]的定义是模式串p的前i个字符组成的子串中最长相等前后缀的长度。注意这里的前缀不包括整个子串本身后缀同样不包括整个子串本身。手算next数组的关键就是逐位判断每一位看当前子串的最长相等前后缀长度。我手算一下pabacaba这个例子长度是7下标从0开始next[0]一般定义为0或-1看具体实现。如果按《算法导论》风格next[0]0但国内考研和不少教材习惯用next[0]-1。奇安信这套卷子如果考KMP一般会在题目里给出定义说明做题时注意看清楚。前1个字符a没有相等前后缀next[1]0按next[0]0的体系。前2个字符ab前缀a和后缀b不相等next[2]0。前3个字符aba前缀a和后缀a相等长度为1前缀ab和后缀ba不相等。最长相等前后缀长度是1next[3]1。前4个字符abac前缀a和后缀c不相等前缀ab和后缀ac不相等前缀aba和后缀bac不相等next[4]0。前5个字符abaca前缀a和后缀a相等长度1前缀ab和后缀ca不相等前缀aba和后缀aca不相等前缀abac和后缀baca不相等next[5]1。前6个字符abacab前缀a和后缀b不相等前缀ab和后缀ab相等长度2最长相等前后缀长度是2next[6]2。前7个字符abacaba前缀a和后缀a相等长度1前缀ab和后缀ba不相等前缀aba和后缀aba相等长度3。所以next[7]3。所以pabacaba的next数组next[1]到next[7]是0, 0, 1, 0, 1, 2, 3。这个地方有个易错点会有同学在算前3个字符aba时直接把最长相等前后缀算成2认为ab和ba是相等的这是错的字符串前后缀的比较是严格从左到右逐位对齐后缀ba不是前缀ab的逆序不能反过来比。还有同学在算abaca时会把前缀aba和后缀aca混淆一个是aba、一个是aca第三个字符a和c不相等所以长度为0不是1。我当时复习的时候专门用Python写了一个KMP的完整实现建议你也这么做手算了一次之后再用代码验证一遍next数组的细节就不会再记混。代码实现里有个关键点当p[i] ! p[j]时j要回退到next[j-1]而不是直接回退到0这个优化是KMP比暴力匹配快的关键。我用Python写了一个可供参考的版本def build_next(p): m len(p) nxt [0] * m j 0 for i in range(1, m): while j 0 and p[i] ! p[j]: j nxt[j - 1] if p[i] p[j]: j 1 nxt[i] j return nxt def kmp_search(text, p): nxt build_next(p) j 0 for i in range(len(text)): while j 0 and text[i] ! p[j]: j nxt[j - 1] if text[i] p[j]: j 1 if j len(p): return i - len(p) 1 return -1 p abacaba print(build_next(p)) # [0, 0, 1, 0, 1, 2, 3]如果题目要求next数组从1开始计数那输出就整体往后移一位最前面加个-1或0占位。做题时一定看清楚题目的下标约定别在这个细节上丢分。2.2 排序、堆与快速幂的口算与手写能力奇安信这套卷子里排序算法考得比较基础但考察形式有特色。它不是直接让你写快排而是给出一个快排的中间状态问你经过一次partition之后数组变成什么样。这种题平时刷题很少做但实际笔试很喜欢出因为它能测试你是不是真的理解partition的过程而不是背代码。快速排序的partition核心是选定一个基准值pivot把小于等于pivot的元素放到左边大于pivot的元素放到右边返回pivot最终所在的位置。手算时要注意不同的实现方式Lomuto分区和Hoare分区得到的中间状态会不一样做题时如果题目没有明确说明用哪种方式默认按最常见的Lomuto分区来算选数组最后一个元素作为pivot用i标记小于等于pivot的边界。堆排序的考点主要在两个地方建堆的过程和堆调整的过程。手算建堆时从最后一个非叶子节点开始从右往左、从下往上做下沉调整。最大堆的下沉操作就是比较当前节点和左右孩子把最大值换上来如果发生了交换还要继续往下调整直到满足最大堆性质。快速幂这个知识点在安全场景里非常关键因为RSA加密里的模幂运算就是快速幂的典型应用。考卷里如果出快速幂通常会让你手算某个大数的模幂结果或者让你填空补全代码。核心思路是把指数拆成二进制用“反复平方法”来降低计算量。我贴一个标准实现long long fast_pow(long long base, long long exp, long long mod) { long long result 1; base % mod; while (exp 0) { if (exp 1) { result (result * base) % mod; } base (base * base) % mod; exp 1; } return result; }注意如果mod比较大超过了int范围乘法可能溢出要用long long这是笔试里容易被扣分的细节。2.3 贪心、动态规划与图论题目的安全化包装贪心和动态规划在奇安信的卷子里通常不会出特别难的纯数学模型题而是会套一个安全场景的外壳。比如“一个安全巡检系统需要扫描n个节点每个节点的扫描时间不同怎么安排扫描顺序让总等待时间最小”这就是典型的贪心——按扫描时间从小到大排序短作业优先。动态规划则可能出在网络攻击路径分析上。比如给定一个有向无环图攻击者从入口节点出发每次只能沿着边走向下一个节点到达每个节点会获得一定的“权限值”问你从入口到目标节点的最大权限路径。这个就是DAG上的动态规划按拓扑序递推即可。Dijkstra最短路算法出现在这套卷子里的概率也比较高因为网络拓扑分析、威胁路径分析都会用到。Dijkstra的重点不是代码本身而是理解“贪心 松弛”的思想每次从未确定最短路的节点中取出距离最小的用它去更新相邻节点的距离。这个取最小值的操作如果用小顶堆来维护复杂度是O((VE)logV)如果不加优化直接遍历复杂度是O(V^2)笔试时如果数据范围给得很大必须用堆优化。我当时在复习Dijkstra时踩过一个坑用Python的heapq做堆优化时如果更新了某个节点的距离旧的距离仍然留在堆里需要用一个visited数组或dist数组判断跳过过期数据否则会重复弹出同一个节点导致逻辑错误。这个细节笔试时也容易出成bug。3. 安全场景算法实战与笔试高频题型3.1 国密算法与哈希算法考点奇安信作为国内网络安全头部公司密码学算法是必考内容尤其国密算法SM2、SM3、SM4、ZUC。我看到热搜词里也有“sm2、sm3、sm4和zuc算法”这几乎可以确定是这套卷子的考点之一。这里要区分清楚这四种算法的定位SM2是椭圆曲线公钥密码算法用于签名和密钥交换对标国际上的RSA/ECDSASM3是密码杂凑算法输出256位哈希值对标SHA-256SM4是分组密码算法分组长度128位、密钥长度128位对标AESZUC是流密码算法主要用于移动通信的加密是祖冲之序列密码算法。考卷里常见的选择题形式是给出一个场景问你该用哪种算法。比如“在数字签名场景中应该选择哪种算法”答案是SM2“在完整性校验场景中应该选择哪种算法”答案是SM3“在数据加密存储场景中应该选择哪种算法”答案是SM4。这类题目不难但如果你分不清公钥密码和分组密码的区别就很容易选错。还有一个常见的简答题方向是“国密算法和国际算法的对比”比如SM2和RSA对比。答题时要突出几个点SM2基于椭圆曲线密钥长度更短但安全性更高SM2的签名速度更快SM2是国产自主设计符合国内合规要求。这类题不需要写代码但要把逻辑讲清楚建议备考时自己整理一个对比表背下来。3.2 工控安全与控制类算法PID、卡尔曼滤波、粒子群这一块是普通算法岗考生最陌生的领域但对奇安信这种有工控安全产品的公司来说却是区分度最高的考点。PID算法比例-积分-微分控制在工控系统里是最经典的控制算法。它的核心逻辑是根据目标值和实际值的偏差通过比例、积分、微分三个环节的加权组合计算出控制量。比例环节响应当前误差积分环节消除稳态误差微分环节预测误差变化趋势、抑制超调。笔试时如果考PID大概率会让你解释三个参数Kp、Ki、Kd分别的作用或者给你一个温度控制场景让你说明怎么调参。调参的经验法则是先调Kp让系统能响应再调Ki消除稳态误差最后调Kd抑制超调反复迭代。卡尔曼滤波算法则是状态估计问题中的经典方法。它解决的问题是系统有一些观测值观测值里面有噪声你怎么从带噪声的观测里估计出系统的真实状态。卡尔曼滤波的核心思想可以用一句话概括预测 更新通过预测模型得到先验估计再用观测值对先验估计进行修正得到后验估计。笔试如果考卡尔曼滤波大概率会让你解释它的两个步骤或者问你它在安全场景里的应用。在网络安全里卡尔曼滤波常用于对流量指标的平滑预测、对传感器数据的去噪、对攻击者移动轨迹的追踪估计。粒子群算法PSO是一种基于群体智能的优化算法模拟鸟群觅食行为。每个粒子代表一个候选解通过追踪个体历史最优位置和群体历史最优位置来更新自己的速度和位置。这个算法在奇安信考卷里出现通常不是直接让你实现而是结合场景考比如“在安全模型的超参数优化中可以用什么算法进行自动搜索”候选答案里出现粒子群、网格搜索、随机搜索、贝叶斯优化让你选择。这时候要知道粒子群适合连续参数空间的全局寻优比网格搜索效率高比贝叶斯优化实现简单。我的经验是复习这块时不需要深入推导数学公式但是要把每个算法的“输入、输出、解决什么问题、核心思想”四个维度讲清楚。笔试简答题只要你能把这四件事说清楚基本就能拿分。3.3 规则引擎与Rete算法的匹配过程规则引擎在安全运营平台里用得非常多。一个大型安全运营平台每天会产生海量告警每条告警都要和成千上万条检测规则做匹配判断是否命中规则。如果每条告警都逐条规则遍历性能必然崩溃。Drools规则引擎之所以高效核心就在于它用了Rete算法。Rete算法的核心思想是利用规则之间的结构相似性构建一个网络状的匹配结构让多个规则共享中间匹配结果避免重复计算。它把规则编译成一棵Rete网络网络里主要有两类节点Alpha节点做单条件过滤Beta节点做多条件连接匹配。规则引擎在启动时先构建这个网络运行时事实fact在网络中逐层传播只有通过所有条件节点的事实才能触发规则。笔试中考Rete算法的题目我见过最常见的是给你几条规则让你画出Rete网络的匹配过程或者问“Rete算法相比传统逐条模式匹配的优势是什么”。画网络图在笔试里不太可能因为面试系统里画图太麻烦所以更多是简答题形式。答题的核心要抓住“共享”和“增量匹配”两个关键词。另一个和规则引擎高度相关的算法是BM25它在搜索引擎和文档相关度排序里非常经典在安全场景里常用于告警聚类的相关度排序。BM25的核心是对查询词和文档之间的相关度打分公式包含三个关键因子词频TF、逆文档频率IDF、以及文档长度归一化。理解BM25不需要背完整公式但要知道它在“给定一批告警找出和当前告警最相似的告警”这个场景里怎么用——把每条告警当作文档把关键字段当查询词按得分排序得分高的说明相似度高。4. 机器学习与深度学习算法常考点4.1 经典机器学习算法的基础与场景奇安信的算法岗对机器学习的要求不算特别深但基础算法必须掌握得很扎实。KNNK近邻几乎是必考题目因为它在恶意流量检测、异常告警分类里很常用。KNN的核心思想是“物以类聚”判断一个新样本的类别就看它在特征空间里最近的K个训练样本是什么类别采用投票法决定。这里有两个关键参数K的取值和距离度量方式。K太小容易过拟合K太大又会让分类边界过于平滑实践中一般通过交叉验证来选K。距离度量最常用的是欧氏距离但在高维特征空间里曼哈顿距离有时更稳定因为欧氏距离在高维下会受维度灾难影响导致远近区分度变差。聚类算法也是高频考点尤其是K-Means和DBSCAN。笔试常见的考题是给出几个数据点让你手动走一遍K-Means的迭代过程或者问你K-Means的K值怎么选。肘部法则是最常用的K值选择方法把不同K值下的簇内误差平方和SSE画出来找拐点位置对应的K。DBSCAN则和K-Means有本质区别它不需要预先指定簇的数量可以识别任意形状的簇还能自动把离群点标记为噪声点。在安全异常检测场景里DBSCAN比K-Means更好用因为攻击流量通常是不规则分布的而且我们本来就想把异常点标出来。XGBoost在奇安信的考卷里也出现过。它的核心是梯度提升树GBDT的优化版本通过boosting的思想用多棵决策树串行训练每棵新树拟合前面所有树的负梯度残差。XGBoost在工程上做了大量优化包括二阶泰勒展开、列抽样、并行化、内置正则项防止过拟合。笔试如果考XGBoost大概率是问它和GBDT的区别、它的正则项是怎么设计的、以及它在恶意流量分类里的优势。答题时抓住“二阶导数信息”和“正则化防过拟合”这两个点基本就够了。4.2 深度学习与强化学习理论题深度学习部分奇安信的题目偏基础主要考察CNN、RNN的核心概念。CNN的卷积核、池化、特征图尺寸计算公式这些是送分题但要注意一个坑计算卷积输出尺寸时padding的填充方式same还是valid会影响结果公式是output_size (input_size - kernel_size 2 * padding) / stride 1笔试时一定把参数代进去仔细算别心算。强化学习今年被提到的频率越来越高因为它在安全自动化响应、入侵检测策略优化里有很多探索。笔试考强化学习大概率不会让你推公式而是考基本概念智能体agent、环境environment、状态state、动作action、奖励reward、策略policy。经典考题是Q-Learning的更新公式Q(s, a) ← Q(s, a) α * (r γ * max_a Q(s, a) - Q(s, a))你要能解释α学习率和γ折扣因子的含义。α控制新经验对旧Q值的影响程度γ控制未来奖励相对当前奖励的重要程度。我在复习时发现很多同学分不清这两个参数其实用一句话就能理清α说你多相信这一次更新的结果γ说你多看重长远的回报。另有一个容易被忽略的考点是模型压缩与加速因为安全产品往往要部署在资源受限的终端设备上。常见的模型压缩方法有剪枝、量化、知识蒸馏。剪枝是去掉网络中不重要的连接或通道量化是把32位浮点数参数用低比特如8位整数表示知识蒸馏是用一个大模型教师网络的输出去指导一个小模型学生网络的训练。这几种方法在后端笔试里会以选择题形式出现比如“以下哪种方法不属于模型压缩技术”把dropout放进去作为干扰项如果你对dropout的理解停留在“防止过拟合”而不清楚它和模型压缩的区别就容易被误导。4.3 安全AI交叉题怎么答奇安信的ML题目翻来覆去离不开几个安全场景恶意流量检测、恶意代码分类、异常行为检测、告警降噪。这些交叉题面试官真正想看的不是你能不能背概念而是你面对一个安全问题时能不能设计出一个合理的机器学习方案。比如这样一道题“如何用机器学习算法检测异常网络流量”答题框架可以这样组织第一步数据采集从流量中提取特征包括流量持续时间、协议类型、源端口、目的端口、包大小分布、连接频率等第二步特征工程对类别特征做编码、对数值特征做归一化必要时做PCA降维第三步模型选择标注数据充足时用XGBoost标注数据很少时用孤立森林或者DBSCAN做无监督异常检测第四步评估由于异常流量是少数类不能用准确率要用精确率、召回率、F1值还要考虑AUC第五步部署需要把模型嵌入流量检测引擎考虑推理延迟必要时做模型量化。这种题没有标准答案但如果你能按照“数据-特征-模型-评估-部署”五段式来回答逻辑清晰、每段都有具体细节很容易拿高分。我在备考时专门针对恶意流量分类、恶意软件家族分类、日志异常检测三个场景各准备了一套 “五段式”答案亲测有效。5. 那些容易失分的细节与备赛复盘5.1 代码实现的边界与复杂度易错点笔试的代码题除了算法思路正确边界条件处理往往是扣分重灾区。以排序算法为例子快排在处理有大量重复元素的数组时如果实现不当会退化成O(n^2)。我建议复习时针对快排写一个三路切分的版本把等于pivot的元素单独放中间这样重复元素多时性能稳定。不过笔试如果只是让手写基本版快排也没必要炫技保证正确性优先。快速幂的边界也很容易错当指数exp为0时任何正整数的0次幂都是1但0的0次幂在数学上是未定义的在C里会返回1别在代码里踩这个坑。另外模运算里负数取模的结果在不同语言里不一样C里-1 % 5的结果是-1Python里-1 % 5的结果是4写代码时如果要保证结果为正可以用(result mod) % mod来处理。Dijkstra的visited数组标记时机也是一个经典易错点应该在节点弹出堆顶时进行标记而不是在入堆时标记。原因是某个节点可能先通过一条较长路径入堆之后又通过一条更短路径被更新如果入堆时就标记为已访问就会错过更短路径。这个细节我在笔试时还真见过当时差点写错幸好提前踩过坑。复杂度分析也要注意。笔试时题目会在数据范围里暗示你期望的复杂度n 10^3建议O(n^2)的解n 10^5就需要O(nlogn)甚至O(n)n 10^9基本可以确定要用二分或数学公式。做题时先看数据范围再去设计算法能节省大量时间。5.2 备考资源与实战建议复习奇安信这类网安公司算法岗不建议只刷算法题建议按“算法基础 安全算法视野 场景化表达”三线并行。算法基础部分用LeetCode够用但不要只刷Hot 100重点刷这几个类别数组/字符串的双指针、栈与队列、二叉树遍历、图的最短路、动态规划的基础题型、贪心、排序、二分、快速幂。每天保持两道代码题的手感做题时用纸笔先写思路再写代码锻炼手写能力。安全算法视野这一块重点看三样东西国密算法的基本概念SM2/SM3/SM4/ZUC、常见控制算法PID/卡尔曼滤波/PSO的“输入-输出-应用场景”、搜索与排序在安全业务里的典型应用KMP用于特征匹配、BM25用于告警相似度、Rete用于规则匹配。这些内容不需要刷题但要能用自己的话讲明白。“场景化表达”是很多科班同学忽视的能力。面试官和笔试阅卷人很看重“能不能把算法讲清楚”。我建议准备一个“算法卡片”笔记本每个算法一页只写四行解决什么问题、核心思想是什么、时间空间复杂度多少、在安全场景里怎么用。考前翻一遍比临时刷题效果好得多。5.3 个人复盘这套卷子给我的三个提醒第一个提醒算法岗不等于刷题岗。奇安信这场笔试明显在筛选“能理解业务、能和安全产品结合”的候选人。我认识一个算法很强但只刷LeetCode的同学基础题几乎全对但安全场景题回答得很空最后没进面试。如果你目标是网安公司的算法岗一定要重视业务算法视野的积累。第二个提醒笔试时间规划非常重要。我当时做这套题时在基础算法题上花了大把时间导致后面标记为“送分”的国密算法选择题差点没时间做。现在回头看国密算法和ML基础题只要花20分钟背一背就能拿到分性价比远高于硬磕一道复杂的DP题。第三个提醒简答题的书写方式也影响得分。技术类简答题不要写流水账分点作答。比如问“卡尔曼滤波在安全场景里的应用”可以分成三步来写先一句话说明卡尔曼滤波解决什么问题再列出它的两个核心计算步骤最后结合场景说明它的价值。这种结构清晰的回答阅卷人扫一眼就能给分。我在备考期间把奇安信近两年的真题都过了一遍最大的感触是这套卷子不是在为难你而是在帮你了解网络安全行业里算法工程师真实要面对的挑战。如果你能把这里面的算法和安全业务逻辑串起来不管最后能不能进奇安信对后续面其他网安公司都有很大帮助。