인포시즈는 제조·반도체·플랜트·금융·공공 등 한국 산업의 핵심 현장에서, AI가 실제 운영과 의사결정을 직접 수행할 수 있도록 만드는 Enterprise AI 기업입니다.

Applied Scientist (Anomaly Detection)는 사용자·시스템·권한·네트워크·행위 데이터가 복잡하게 얽힌 관계 속에 숨어 있는 비정상 신호를 포착하는 그래프 기반 이상탐지 기술을 연구하고, 그 해법을 실제 보안·산업 현장에 직접 적용해 비즈니스 임팩트를 만들어내는 역할입니다. 논문 속 벤치마크가 아니라 실제 현장의 데이터와 제약 조건 위에서 SOTA를 만들어내는 일이며, 최전선의 문제를 빠르게 경험하며 한 명의 연구자로 성장하는 자리입니다.

이런 환경에서 연구합니다

아직 정답이 없는 문제를 다루되, 그것을 끝까지 밀어붙일 수 있는 자원과 함께 성장할 수 있는 환경이 주어집니다.

• 아직 아무도 풀지 못한 문제에 도전합니다. 보안 위협은 이벤트나 로그 하나로 드러나지 않습니다. 사용자, 시스템, 권한, 네트워크, 행위 데이터가 복잡하게 연결된 관계 속에 숨어 있고, 공격자는 정상처럼 보이는 행동 뒤에 자신을 감춥니다. 라벨은 극도로 희소하고, 정상과 비정상의 경계는 시간이 지나며 계속 움직입니다. 이런 조건에서 대규모 그래프 위의 미묘한 구조적 신호를 잡아내는 이상탐지 방법론을 설계하는 것이 핵심 과제입니다. 공개 벤치마크에서 잘 작동하는 모델을 가져다 쓰는 일이 아니라, 실제 현장의 데이터와 제약 위에서 작동하는 방법을 처음부터 만들어내는 일입니다.
• 국내 최대 규모의 프로젝트에 실제로 쓰입니다. 반도체, 플랜트, 금융, 공공 등 한국 산업을 대표하는 대기업·기관의 대형 프로젝트에 우리 솔루션이 실제로 투입되고 있습니다. 데모로 끝나는 연구가 아니라, 규모 있는 현장에서 운영되며 임팩트를 만들어내는 연구입니다.
• 의미 있는 문제를 직접 오너십을 갖고 풀며 성장합니다. 핵심적인 연구 문제를 처음부터 끝까지 책임지고 풀어봅니다. 기존 레거시 시스템과의 호환이나 정해진 절차에 매이지 않고, 문제 해결 그 자체에 집중할 수 있습니다.
• 보상은 업계 최고 수준으로 협의합니다. 실력과 주도성을 겸비한 연구자에게는 업계 최고 수준의 처우를 제안합니다.
• 연구 성과를 논문으로 발표할 수 있습니다. 현장에서 얻은 문제와 해법을 top-tier 학회 혹은 저널에 게재하는 것을 적극 장려하고 지원합니다.

이런 문제를 풀게 됩니다

아래는 우리 팀 앞에 놓인 도전적인 연구 방향들입니다. 이 문제들 중 한두 가지에 대한 깊이 있는 연구를 수행합니다.

• 사용자·시스템·권한·네트워크·행위 데이터를 하나의 그래프로 연결하고, 그 위에서 비정상 패턴과 이상 징후를 탐지하는 그래프 기반 이상탐지 방법론을 설계하고 구현합니다.
• 라벨이 거의 없는 현실적인 조건에서 작동하는 unsupervised / self-supervised 이상탐지 기법을 연구합니다.
• 장기간에 걸쳐 축적되는 대규모 로그 데이터를 모델링하는 foundation model을 학습합니다. 개별 태스크마다 모델을 새로 만드는 대신, 로그 시퀀스에 담긴 행위 패턴을 범용적으로 학습해 다양한 탐지 문제의 기반으로 쓰는 것이 목표입니다.
• 시간이 흐르며 관계 구조가 계속 변하는 dynamic graph 위에서, 정상 패턴의 자연스러운 변화와 실제 위협 신호를 구분해내는 모델을 개발합니다.
• 대규모 그래프 데이터 기반 ML 모델 학습 파이프라인을 설계하고, 학습·평가·실험·배포로 이어지는 머신러닝 엔지니어링 환경을 구축합니다.
• 탐지 결과의 근거를 설명할 수 있고 false positive를 실질적으로 낮춘, 보안 운영자가 신뢰하고 쓸 수 있는 탐지 체계를 만듭니다.
• 실제 운영 환경 적용을 위해 모델을 최적화하고 성능을 개선하며, AI Engineer / Product 조직과 협업해 실제 제품과 서비스로 연결합니다.
• 정답 라벨이 없는 문제에 대해, 무엇을 성공으로 볼지부터 정하는 평가 체계를 직접 설계합니다.

이런 분을 찾고 있습니다

• 정답이 없는 문제를 스스로 정의하고 방향을 만들어가는 데 익숙한 분
• 복잡하게 얽힌 데이터와 관계 구조를 이해하고 추상화하는 과정을 즐기는 분
• 논문 구현에 머무르지 않고 운영 환경까지 끝까지 연결하려는 분
• 문제를 대충 넘기지 않고 끝까지 파고드는 분
• 빠르게 배우고 성장하며 한 명의 연구자로 발전해나가고 싶은 분

기본적으로 이런 역량을 기대합니다

• 2년 이상의 머신러닝 연구 경험 (석/박사 과정 포함)
• 머신러닝 모델 학습 파이프라인을 직접 설계하고 구축해본 경험
• 비즈니스 요구사항에 맞추어 머신러닝 모델 평가 방식을 스스로 정의해본 경험
• 머신러닝, 통계, 컴퓨터과학 전반에 대한 탄탄한 기초
• Python 기반의 강한 소프트웨어 개발 역량과 PyTorch 등 딥러닝 툴킷 활용 경험
• 실제 데이터 기반으로 모델을 학습·실험·개선해본 경험

이런 경험이 있다면 더욱 좋습니다

• NeurIPS, ICML, ICLR, KDD, ICDM, SIGIR, RecSys, CVPR, ICCV, ECCV, AAAI 등 ML/AI 분야 top-tier 학회 논문 제출 경험
• 이상탐지(anomaly detection) 관련 연구 또는 개발 경험
• GNN 등 그래프 기반 머신러닝 방법론을 다뤄본 경험
• 대규모 로그 데이터 혹은 보안 도메인 데이터를 다뤄본 경험
• AWS, Google Cloud, Azure 등 클라우드 환경 개발 경험
• 실제 서비스 또는 운영 환경에 AI 모델을 적용해본 경험

우리는 이런 부분을 더 중요하게 봅니다

우리는 좋은 스펙이나 논문 수보다, 복잡한 보안 문제를 실제로 해결하려는 사람을 찾습니다. 우리가 더 중요하게 보는 것은 아래와 같습니다.

• 높은 호기심과 끝까지 문제를 붙드는 집요함
• 빠른 이해력과 학습 속도
• 높은 실행력
• 모호한 상황 속에서도 방향을 만들어내는 힘
• 기술을 실제 문제와 연결하는 사고
• 연구와 구현, 운영 사이의 간극을 줄이려는 태도
• 동료와 함께 성장하며 팀 전체의 기준을 끌어올리는 태도

이 역할이 중요한 이유

보안 문제는 단순한 이벤트나 로그 하나로 설명되지 않습니다. 사용자, 시스템, 권한, 네트워크, 행위 데이터가 복잡하게 연결된 관계 속에서 발생하고, 공격은 그 관계의 틈에 숨어 있습니다. 개별 데이터 포인트만 바라보는 접근으로는 이 신호를 잡아낼 수 없습니다.

Applied Scientist (Anomaly Detection)는 그래프 기반 이상탐지 기술로 이 복잡한 관계 속 신호를 포착하고, 실제 운영 환경에서 작동하는 보안 AI 솔루션을 만들어가는 역할입니다.

우리는 산업의 일하는 방식 자체를 다시 설계하는 회사를 만들고 있습니다. 그리고 그 변화는, 아직 정답이 없는 문제를 현장에서 끝까지 풀어내는 연구자로부터 시작됩니다.