每年到了八九月份各家安全厂商的秋招笔试就陆续开始了。前几天有朋友跟我聊起奇安信算法岗的笔试题说网上关于这套题的信息比较零散所以我把去年秋招时刷过的一些题目和复盘心得整理了出来。这篇文章就以“2020年奇安信秋招算法方向试卷2”为对象说说这套题考了什么、怎么解题、有哪些值得反复琢磨的算法模型以及安全行业算法岗和普通互联网算法岗在笔试上的差别。后面打算投安全厂商算法岗的朋友可以拿这份复盘当个参考。1. 试卷整体设计与考点分布1.1 题型结构与答题节奏从整体结构来看奇安信算法岗的笔试题型和主流互联网厂商差异不大主要分为几块单选题、多选题、编程题和简答题。单选和多选覆盖的知识面比较广包括数据结构、操作系统、网络基础、机器学习基础以及一部分安全领域的基础概念。编程题则更偏向经典算法和数据结构的灵活应用难度中等偏上。简答题通常会考察对某个算法原理的理解以及对某个安全场景的分析能力。时间分配上这套卷子的题量不算少尤其是选择题和编程题之间需要做好时间切换。我当时的策略是先把选择题快速过一遍遇到拿不准的不要死磕标记后跳过等编程题完成后有空余时间再回来细想。编程题一般2到3道建议留出至少一半的时间来处理。因为编程题不仅考察思路还要求代码能通过测试用例调试时间往往比预期要长。1.2 考点覆盖与岗位画像奇安信毕竟是做安全的厂商它的算法岗笔试有个明显特点除了通用算法和机器学习知识还会穿插考一些和安全相关的场景题。比如路径遍历、输入校验、异常流量特征分析这类问题表面上是在考算法实际上是在考察候选人对安全业务的理解。这种“算法安全”的双重考察是安全厂商算法岗区别于普通互联网算法岗的核心差异。从考点覆盖看这套试卷涉及了KMP算法、排序算法、贪心算法、最短路径、聚类算法、正则表达式引擎的匹配原理、深度学习基础等内容范围比较广但深度整体可控。我把常见考点做了个梳理考点类别具体内容出现概率数据结构数组、链表、栈、队列、堆、树、图必考字符串算法KMP、字典树、正则匹配高排序算法快速排序、堆排序、归并排序、冒泡排序必考图论算法Dijkstra、拓扑排序、二分图匹配中高机器学习聚类、分类、过拟合、特征工程高安全算法思维路径遍历检测、输入校验、恶意流量识别中2. 数据结构与算法题核心拆解2.1 KMP算法与next数组的手算方法这套卷子里有一道和KMP算法相关的题目具体是给一个模式串要求写出它的next数组。这类题目在各大厂校招里出场率极高因为它虽然代码量不大但很考验对字符串匹配本质的理解不是靠背模板就能蒙混过关的。KMP算法的核心思想是利用已经匹配的部分信息避免主串指针的回退。当发生失配时模式串向右滑动尽可能远的距离这个距离由next数组决定。next数组的定义在不同教材里略有差异有的next[i]表示“前缀和后缀的最长公共长度”有的表示“失配时跳转的位置”。答题前一定要看清题目给出的定义否则结果会差一位。以题中提到的模式串为例如果按照常见的“失配时跳转位置”定义来手算需要逐位分析每个位置之前子串的前后缀重合情况。我建议这类题目不要直接在脑子里算而是在草稿纸上把每个前缀子串列出来逐一比对。还有一个实用技巧把next数组的计算过程和暴力匹配的失败案例对照着看能加深理解。KMP的经典之处在于它把时间复杂度从O(mn)降到了O(mn)在主串长度极大的场景下提升非常明显这也是它的核心价值所在。2.2 排序算法的复杂度与稳定性判断排序算法几乎是每套算法笔试题的保留项目这套卷子里也出现了。比较常见的考法是给一组场景让你选择合适的排序算法或者判断某个排序算法的稳定性和复杂度。比如快速排序平均时间复杂度为O(nlogn)但不稳定归并排序同样O(nlogn)却是稳定排序堆排序O(nlogn)不稳定冒泡排序O(n²)稳定。很多人在备考时会陷入一个误区只背结论不理解为什么。这里我提供一个更实操的理解方式稳定性判断只需要关注“相等元素在排序后是否可能交换相对位置”。比如快速排序的partition过程会把小于基准值的元素和大于基准值的元素进行交换相等的元素可能在这个过程中越过彼此所以不稳定。堆排序在调整堆的过程中父子节点交换距离很远相等元素一样可能错位。关于排序算法的选择我补充一个笔试中很实用的判断逻辑如果要求O(nlogn)且允许额外空间优先归并如果要求原地排序且不介意稳定性优先堆排序如果是近乎有序的数据插入排序反而是实际执行最快的那一个。快排的应用场景最广但需要注意递归深度在最坏情况下是O(n)这在内存敏感的嵌入式或安全设备场景里是个隐患。2.3 贪心算法与最短路径的常见变形贪心算法是笔试中的高频考点因为它看似简单实则陷阱很多。最常见的考察方式是给一个“看起来可以贪心”的题目要求你判断贪心策略是否成立。比如经典的区间调度问题选择尽量多的互不重叠区间按结束时间排序贪心是正确解但如果改成“区间权重不同选权重和最大的一组不重叠区间”贪心就失效了需要动态规划。这种“变形后贪心失效”的套路在校招笔试里反复出现。Dijkstra算法也是一样教材上讲的是不带负权边的单源最短路径但笔试题往往会给一些变形比如边权为0和1的图可以用双端队列BFS优化比如需要同时求最短路径数量和具体路径要在dist数组之外维护一个计数数组和路径数组。Dijkstra的核心在于每次从优先队列中弹出距离最小的未访问节点这个贪心策略成立的前提是边权非负。一旦出现负权就必须换Bellman-Ford。笔试时看到负权边第一反应就该往Bellman-Ford上靠。3. 机器学习与安全算法怎么答3.1 机器学习基础聚类、过拟合与评估指标奇安信笔试的机器学习部分整体偏基础主要考察对常用算法的理解而不是手推复杂公式。我印象比较深的有几类聚类算法的原理和适用场景、过拟合的检测与缓解、分类模型评估指标的选择。拿聚类来说K-Means和DBSCAN是考察最多的两个。K-Means基于距离的迭代划分简单高效但有两个明显的坑一是对初始中心点敏感容易陷入局部最优二是对非凸形状的簇效果很差。改进方案包括K-Means初始化、多次随机初始化取最优结果。DBSCAN则基于密度连通性能识别任意形状的簇且不需要预先指定簇数但参数邻域半径eps和最小样本数minPts对结果影响很大。笔试中经常考“在什么场景下选哪种聚类算法”这里有个判断技巧如果数据分布近似球形优先K-Means如果存在不规则形状或明显噪声优先DBSCAN。过拟合这块常见问法是“如何判断模型是否过拟合如何缓解”。判断过拟合最直观的方法是画学习曲线训练集误差持续下降验证集误差开始上升就是过拟合的典型信号。缓解手段包括增加训练数据、正则化L1/L2、Dropout、早停、交叉验证等。笔试答题时建议把手段展开讲说明每个手段背后的原理而不是简单罗列名词。3.2 安全场景下的算法思维不只是做题安全厂商的算法笔试比普通互联网多了一层安全业务理解。举个例子考输入校验相关的题目时核心是路径遍历检测。路径遍历攻击的原理是利用../这样的特殊序列越过目录限制访问服务器上的任意文件。检测这类攻击可以用基于规则的正则匹配也可以训练基于异常检测的模型让算法自动识别偏离正常访问模式的行为。这类题给我的启发是安全领域的算法岗位不仅要懂模型本身的数学原理还要理解模型如何落地到具体的安全产品中。比如用聚类做异常检测为什么常常选孤立森林而不是K-Means因为安全数据中异常样本通常极少而K-Means对这种极度不均衡的数据并不友好。答题时空泛地讲“用机器学习解决问题”是不够的最好能说清楚选择某个具体算法的理由以及它在工程上的实际表现。3.3 深度学习与规则引擎的交叉点简答题里有时会出现和规则引擎、正则表达式匹配相关的题目。比如规则引擎中Rete算法的核心思想利用网络结构存储规则之间的依赖关系减少重复匹配计算。安全产品中防火墙的规则匹配、入侵检测系统的特征匹配本质上都涉及这类问题。关于正则表达式匹配也可以用算法视角来理解传统的回溯型匹配引擎在最坏情况下可能是指数级的而基于NFA/DFA的匹配可以做到线性级。笔试中如果考到“如何提高大量日志的匹配性能”思路可以是将正则预编译为有限状态机或者用多模式匹配算法如AC自动机一次性匹配多个特征。这既考了算法功底又贴合安全业务的实际场景。4. 编程题的实操方法论4.1 题面阅读与思路搭建编程题和选择题最大的不同在于选择题答案对错分明编程题则更看重思路完整性和代码质量。我拿到题目后的第一件事是在草稿纸上把输入输出样例推演一遍确保自己没理解错题意。这个步骤看似浪费几分钟却能在后续调试中节省大量时间。然后我会按这个顺序来搭建思路先确认数据规模决定复杂度上限再考虑用什么样的数据结构来组织数据最后才是具体的算法实现。举个例子如果n的数据范围在10⁵级别O(n²)的解法大概率超时至少要往O(nlogn)靠。如果题目涉及区间查询和单点更新线段树或树状数组往往是对的方向。这些判断要在动笔前完成而不是写到一半再推翻重来。编程题还有一个容易被忽略的点边界条件。空输入、单个元素、全相等的数据、极端值都是测试用例中容易让人翻车的地方。我在本地调试时都会主动构造这些边界数据跑一遍宁可多花两分钟也不要在提交后才后悔。4.2 经典题型的解题模板和易错点这些年积累下来我已经在常用的算法题型上形成了自己的解题模板方便快速复用。这里列举几个高频题型的注意点题型核心思考方向易错点链表操作指针的先后顺序尤其是反转时丢失指针引用二叉树遍历递归转迭代时用栈模拟递归顺序栈的入栈顺序出错动态规划状态定义和状态转移方程初始化条件缺失图的最短路径优先队列存距离, 节点节点重复入队导致更新混乱字符串匹配主串和模式串的指针移动next数组越界这里举一个动态规划的例子。如果题目是“给定一个数组求连续子数组的最大和”典型的Kadane算法需要维护两个变量当前累加和和全局最大和。核心转移方程是cur max(nums[i], cur nums[i])。很多人会忽略“重新开始累加”这个分支导致负数情况考虑不全。这类题目代码写起来很简单但要想清楚每一步的状态含义才不会在变体题上栽跟头。4.3 在工程实现中体现安全思维安全厂商的编程题还有一个独特的地方会有意识地考察候选人的工程素养。比如对输入数据的校验、对异常情况的处理、代码的健壮性这些都是安全开发的基本功。我建议写代码时即使题目没有明确要求也主动做几件事对输入数组进行空值判断、对可能的下标越界位置加保护、对递归深度做估算。有一次我在编程题里用递归实现深度优先搜索没有考虑到最大深度可能导致栈溢出结果在极端用例上崩了。从那以后我在写递归前都会先计算最大递归深度超过10⁵就改成显式栈的迭代写法。这个经验在笔试中帮我避免了不少潜在问题。5. 高频题目与易错点梳理5.1 字符串、数组与树的常见陷阱这里单独整理一份易错点清单都是我在刷题和实际笔试中踩过坑的地方值得反复看几遍字符串处理题注意大小写、空格、特殊字符注意子串与子序列的区别。数组双指针左右指针的移动方向和停止条件防止死循环。树的递归递归出口要先处理空节点再处理业务逻辑。二叉树中序遍历迭代写法入栈顺序是“左链优先”出栈后处理右子树。快排的partition边界值取左还是右决定了循环里先移动哪个指针。堆排序的建堆从最后一个非叶子节点开始向下调整。这些易错点看起来零散却是实际考试中拉开差距的地方。能一次性通过所有测试用例的人往往不是因为算法多么高深而是在细节上下足了功夫。5.2 选择题中的高频基础概念选择题覆盖的知识点比较杂这里挑几个值得重点复习的方向数据结构基础栈和队列的区别、堆的性质、二叉树的性质满二叉树、完全二叉树、平衡二叉树。操作系统进程与线程的区别、死锁产生的四个必要条件、虚拟内存与分页机制。网络基础TCP三次握手与四次挥手、HTTP状态码语义、DNS解析流程。机器学习基础训练集/验证集/测试集的划分、损失函数的选择、欠拟合与过拟合的识别。这些基础概念不需要死记硬背但要做到看到题目能快速反应。我备考时习惯把每个知识点用“是什么、为什么、怎么用”三段式梳理一遍理解记忆的效果比单纯刷题好很多。5.3 笔试复盘方法论从错题到知识体系这套试卷刷完之后我强烈建议做一次系统性的复盘而不是对完答案就翻篇。我的复盘方法是建一张表格把错误题目分门别类记录考点、错误原因、正确思路、同类题变形方向。下面是当时复盘用的简化模板题号考点错误原因正确思路同类变体选择题3堆排序稳定性记混了稳定性结论堆排序父节点交换导致不稳定快速排序的稳定性判断编程题2树的中序遍历递归转迭代时栈顺序写反左链入栈出栈后转向右子树前序、后序的迭代写法简答题1KMP的next数组对next定义理解有偏差按前缀后缀重合度手推一遍BM算法、字典树复盘的核心目的不是记住一道题而是把一个一个孤立的知识点串联成知识体系。错题本身不重要重要的是错题背后暴露出的思维盲区。把这些盲区逐一补上才是笔试刷题最有价值的部分。6. 从一套题看安全行业算法岗的备战方向6.1 能力模型与普通AI岗的差异安全行业的算法岗能力模型和普通AI岗有明显差异。普通AI岗更重视模型效果指标如准确率、召回率、F1值而安全行业的算法岗更看重模型在真实业务场景中的表现包括误报率False Positive、可解释性、对抗鲁棒性、以及和已有规则系统的协同能力。从笔试到面试安全算法岗对候选人的考察会集中在几个方面扎实的算法与数据结构基础、对机器学习主流算法的原理性理解、对安全场景的认知深度如流量分析、日志异常检测、恶意代码识别、以及一定的工程能力高性能处理、分布式计算、模型部署。如果你打算投递这类岗位可以从这几个维度规划自己的知识体系和项目经验。6.2 备考节奏与资料推荐备考奇安信这类安全厂商的算法岗我建议按三个阶段推进。第一阶段是基础巩固主攻数据结构、算法设计与分析、机器学习入门教材目标是过一遍核心概念。第二阶段是真题演练集中刷各厂商校招真题尤其是网络安全公司的题目熟悉题型风格和时间节奏。第三阶段是模拟面试与查漏补缺针对薄弱的知识点进行有针对性的复习。资料方面算法部分推荐《剑指Offer》和LeetCode高频题机器学习部分推荐李航的《统计学习方法》和吴恩达的课程。安全行业的特定知识可以通过公开的安全事件分析报告、安全厂商技术博客来积累重点理解攻击检测和异常发现背后的算法逻辑。也可以看一些关于网络攻防的入门资料帮助建立对安全业务的基本认知。6.3 准备过程中的心态与节奏调整最后一点想说的是备考节奏。算法笔试是一个长期积累的过程不可能靠考前突击获得质的飞跃。我在准备过程中最大的体会是每天固定刷题1到2小时比周末集中刷6小时更有效。前者保持了持续的思考状态后者容易造成疲劳和效率下降。另外不要因为一套题没考好就否定自己的整体水平。笔试只能反映当时的准备状态和部分能力不能定义你的全部价值。把每套题当作一次学习机会记录错题、补齐盲区、持续迭代这才是成长速度最快的方式。说白了纸上得来终觉浅绝知此事要躬行。笔试题里的算法模型最终要回到真实的业务场景里才能体现价值。回过头看这套2020年的试卷给我的最大收获并不是某个具体算法的“最优解”而是让我意识到“算法思维安全理解”组合的独特价值。如果你也打算应聘安全公司的算法岗不妨把笔试当作一个学习和校准方向的节点从题目中反推岗位所需的能力模型再针对性地补齐短板。这套方法论无论对笔试还是面试都是通用的。