去年九月我参加了深信服秋招算法岗的笔试当时在牛客上看过不少往年面经但真到上机那一步才发现它考的东西比想象中更杂——既有KMP、堆排序这类经典算法题也有粒子群、PID、BM25这些平时刷题基本碰不到的知识点。这篇文章主要是复盘那场笔试的整体情况把选择题、编程题和算法问答题的核心内容拆开讲一遍顺便聊聊我总结出来的备考路线适合正在准备深信服或同类网络安全与云计算公司算法岗位的同学参考。也算是我给后来者的一份不算太标准、但足够真实的记录。1. 笔试前的信息搜集我摸到的岗位画像与考察方向1.1 深信服算法岗到底做什么在聊笔试之前先说说我对这个岗位的理解。深信服的主营业务是网络安全和云计算产品线覆盖防火墙、EDR终端安全、超融合HCI、云桌面VDI、SD-WAN这些方向。算法岗并不是单纯做传统互联网那种推荐、搜索、广告算法更多是和它的业务强相关比如安全领域的恶意流量检测、终端行为分析云计算领域的资源调度、vGPU切分策略网络领域的智能选路、流量优化。这一点很关键。因为如果你用面互联网大厂算法岗的思路去准备只盯着深度学习、机器学习模型去刷很可能会漏掉它笔试里特有的考点。我在实际笔试中发现题目里出现了不少与网络协议、系统控制、音频信号处理相关的算法概念比如802.1x认证、FOC算法、音频重采样、增量式PID这些。如果不了解深信服的产品和技术栈看到这些题会有点懵。建议大家在投递前花一个晚上把深信服官网的产品线和技术博客翻一遍至少要知道以下几件事安全方向的核心产品有哪些防火墙、EDR、终端防护中心、态势感知云计算方向的核心产品有哪些超融合HCI、云桌面VDI、桌面云网络方向的核心技术有哪些SD-WAN、零信任、AC上网行为管理算法在其中的典型落地场景检测、识别、调度、优化当你把这些捋清楚再回头看笔试题目就会明白它为什么考某些内容了。1.2 笔试平台与整体流程深信服的秋招笔试用的是牛客网平台一共两个小时左右分三个部分单选/多选、编程题、简答题。题量不算小我当时做题的感觉是“够用但不太富余”尤其编程题如果有一道卡住后面简答题就没什么时间仔细写了。说说整体节奏选择题大概有十五到二十道覆盖数据结构、操作系统、计算机网络、C基础编程题通常是两道到四道难度从LeetCode中等到困难不等简答题一般是算法原理类让你描述某个算法的流程、复杂度或者推导我印象最深的一点是它不完全是“做题越多分越高”的考试。它会通过简答题考察你能不能把算法讲清楚能不能和业务场景结合起来分析。这一点和面试里的手撕代码、算法问答是呼应的。所以我的建议是备考时不要只刷题一定要有意识地练习“把算法讲明白”的能力。2. 选择题考点复盘数据结构、网络与产品常识一个都没少2.1 数据结构与排序算法那些“送分题”选择题里面数据结构占比最高。像栈、队列、二叉树遍历、堆的基本性质这些基础题都是有的。其中排序算法考得很细致不只是问“快排时间复杂度是多少”而是会问快速排序在什么情况下退化到 O(n^2)归并排序需要多少额外空间堆排序建堆的时间复杂度哪些排序算法是稳定的我当时就遇到了一道关于堆排序建堆复杂度的题。很多同学第一反应是 O(n log n)但实际上是 O(n)。这个知识点如果只看《算法导论》里的结论不自己推一遍考试时很容易选错。我自己刷题时习惯把所有排序算法的复杂度、稳定性、适用场景整理成一张表排序算法平均时间复杂度最坏时间复杂度额外空间稳定性冒泡排序O(n^2)O(n^2)O(1)稳定选择排序O(n^2)O(n^2)O(1)不稳定插入排序O(n^2)O(n^2)O(1)稳定快速排序O(n log n)O(n^2)O(log n)不稳定归并排序O(n log n)O(n log n)O(n)稳定堆排序O(n log n)O(n log n)O(1)不稳定这张表不只是拿来背的关键要理解为什么堆排序是不稳定的因为它调整堆的过程中相等元素的相对位置可能发生变化。为什么归并排序是稳定的因为合并时遇到相等元素会优先取左半部分。这些细节选择题特别爱考。2.2 字符串与KMP、next数组的计算字符串算法里KMP几乎是必考。笔试中它不会让你从头到尾写一遍KMP完整代码但会拿一个具体的模式串让你算next数组。我印象中有一道题是这样的已知模式串 p abacabanext[i] 定义为……问next数组是多少。这里要特别注意next数组的定义在不同教材里是不一样的。有的定义是“最长相等前后缀的长度”也就是前缀函数有的定义是“失配时回退到的位置”。两种写法结果不同做题前一定先看清题目给的是哪种定义。如果按“最长相等前后缀长度”来算也就是前缀函数对 abacaba逐项计算如下p[0..0] a没有真前后缀π[0] 0p[0..1] ab最长相等前后缀为0π[1] 0p[0..2] aba前缀a等于后缀aπ[2] 1p[0..3] abac无相等前后缀π[3] 0p[0..4] abaca相等前后缀aπ[4] 1p[0..5] abacab相等前后缀abπ[5] 2p[0..6] abacaba相等前后缀abaπ[6] 3所以前缀函数结果是 [0, 0, 1, 0, 1, 2, 3]。如果你背的是“next数组从-1开始”的模板那是另一套写法结果就变成 [-1, 0, 0, 1, 0, 1, 2, 3] 这种形式。考试时一定要先看清楚题目给的定义否则容易被扣分。我当时在草稿纸上手动模拟了一遍KMP的匹配过程确保自己不是死记模板。这个习惯比较推荐因为选择题有时候会问“当匹配到某一位失配时模式串应该跳到哪一位”这种题必须理解next数组的含义才能做对背模板反而容易乱。2.3 网络与安全基础从802.1x认证到SD-WAN单臂网络安全公司的笔试考网络基础知识是必然的。我遇到的网络题覆盖了TCP/IP协议栈、HTTP状态码、DNS解析过程以及一些和公司产品相关的知识。有一道题印象比较深关于802.1x认证的流程。802.1x是一种基于端口的网络接入控制协议常用于园区网的准入控制。它的核心机制是客户端Supplicant发起认证请求交换机/接入设备Authenticator把请求转发给认证服务器Authentication Server通常是RADIUS认证通过后才打开端口允许业务流量通过。这和“深信服AC与华为交换机做802.1x认证”是同一个场景。如果你没接触过企业级网络设备这个知识点可能比较陌生。我建议备考时至少搞清楚802.1x的三个角色、认证成功前后的端口状态变化以及它和Portal认证的区别。因为深信服的AC上网行为管理产品经常做准入认证笔试考这个非常合理。SD-WAN我也遇到了考的是“单臂模式”。SD-WAN单臂模式指的是分支站点只通过一条链路接入SD-WAN网络CPE设备以单臂方式挂在交换机旁业务流量通过策略路由或DNS劫持引导到CPE进行选路和转发。这种模式部署简单适合分支机构改造但需要额外配置引流策略。这个考点明显对应深信服的SD-WAN产品线如果之前不了解产品光凭网络基础知识很难答全。2.4 操作系统和C细节也不能丢选择题里操作系统和C也占了一部分。操作系统主要考进程线程区别、死锁条件、虚拟内存、页面置换算法。C考了虚函数、智能指针、构造函数析构函数顺序、const关键字用法这些。我印象比较深的是关于虚函数表的问题。题目问含有虚函数的类的对象模型长什么样对象内存里第一个成员是什么答案是虚函数表指针vptr指向该类的虚函数表vtable。如果面试题再深一点会接着问多重继承里虚函数表有几张、如何调用父类虚函数这些也要会。操作系统里死锁的四个必要条件互斥、持有并等待、不可剥夺、循环等待是高频考点选择题喜欢给你一个场景让你判断属于哪种条件。这块没什么捷径就是理解加记忆。比较容易被忽略的是C的细节题。比如“vector 扩容时元素发生拷贝还是移动”“shared_ptr 循环引用怎么解决”“lambda 表达式捕获列表的用法”。这些内容在LeetCode刷题时不常用但在笔试选择题中出现的概率很高。我建议针对性复习一下Effective C里和RAII、智能指针相关的章节。3. 编程题复盘四道手写代码题的真实感受3.1 第一道KMP/字符串处理相关的题编程题第一道比较友好字符串处理可以用KMP或者哈希做。题目大意是给定两个字符串文本串和模式串判断模式串在文本串中出现的位置。看起来就是LeetCode 28题但要求不能用库函数。我当时直接写了KMP因为刚才说过选择题已经算过next数组写起来比较顺手。核心代码如下#include bits/stdc.h using namespace std; vectorint buildNext(const string p) { int m p.size(); vectorint pi(m, 0); for (int i 1; i m; i) { int j pi[i - 1]; while (j 0 p[i] ! p[j]) j pi[j - 1]; if (p[i] p[j]) j; pi[i] j; } return pi; } vectorint kmpSearch(const string s, const string p) { vectorint pi buildNext(p); vectorint res; int j 0; for (int i 0; i s.size(); i) { while (j 0 s[i] ! p[j]) j pi[j - 1]; if (s[i] p[j]) j; if (j p.size()) { res.push_back(i - p.size() 1); j pi[j - 1]; } } return res; }这里有一个我踩过的坑当找到一次匹配后j不能直接清零而应该设为pi[j-1]这样才能处理“模式串重叠出现”的情况。很多初学者在这里漏掉导致重叠匹配计数错误。3.2 第二道贪心与排序的组合题第二道编程题带有明显的业务场景包装题目大意是有若干任务每个任务有开始时间和结束时间同一时间只能做一个任务问最多能完成多少个任务。这是经典的活动安排问题贪心解法是按结束时间排序。这个题本身不难但题目的数据范围较大我在写的时候就直接用了O(n log n)的思路排序后遍历每次都选择“结束时间最早且不与当前已选任务冲突”的任务。为什么贪心这里是对的因为所有任务权重相同我们希望单位时间占用最小“每次选最早结束的任务”能保证后续剩余时间最大化从而能容纳更多任务。这个证明思路在面试中也可能被问到建议能口头说清楚。这道题我拿到之后其实没有直接写代码而是先确认了“输入的是闭区间还是开区间”“结束时间和开始时间能否相等”因为这两种边界处理会差一个等于号的判断。笔试环境里没有解释器只有题目描述读题速度要快但也要准。3.3 第三道图论相关Dijkstra或者二分图第三道题明显上难度了。我记得和“最短路径”有关题目不是裸的Dijkstra而是在图上增加了一些约束条件比如某些边在某些时间段不可用或者路径的费用有不同的权重。难度大概在LeetCode中等偏上。遇到这种题我的建议是先把裸Dijkstra的模板写熟再根据题目条件修改松弛条件。下面是我常用的模板vectorint dijkstra(vectorvectorpairint,int graph, int src) { int n graph.size(); vectorint dist(n, INT_MAX); priority_queuepairint,int, vectorpairint,int, greater pq; dist[src] 0; pq.push({0, src}); while (!pq.empty()) { auto [d, u] pq.top(); pq.pop(); if (d dist[u]) continue; for (auto [v, w] : graph[u]) { if (dist[u] w dist[v]) { dist[v] dist[u] w; pq.push({dist[v], v}); } } } return dist; }这里的关键是优先队列里的“懒删除”技巧堆顶弹出的元素如果距离已经大于dist数组记录的值就说明该元素之前已经被更新过直接跳过。如果不加这个判断会重复处理很多无效状态严重时超时。除了Dijkstra我还准备了二分图相关的模板包括染色法判断二分图、匈牙利算法求最大匹配。虽然这次没直接考二分图最大匹配但热搜词里有“二分图HK算法”说明它是有可能出现在题库中的。HK算法是匈牙利算法的优化版用BFS分层加DFS增广时间复杂度从 O(VE) 降到 O(E sqrt(V))笔试如果考最大匹配且数据范围大就应该写HK而不是朴素匈牙利。二分图匹配和深信服的业务有什么关系呢我猜可能是虚拟化场景里的资源分配问题比如将虚拟机映射到物理机上、将GPU资源切分给不同的云桌面用户这类问题抽象出来就是二分图匹配或者最大流。所以这类题出现在算法岗笔试里并不奇怪。3.4 第四道快速幂与组合数取模最后一道是数学类的题涉及组合数取模 C(n, k) mod 1e97。这个题的难度在于 n 很大k 也很大不能直接用递推。正确的思路是如果 k 固定可以 O(k) 用阶乘和逆元计算如果 n 范围极大还可以转成卢卡斯定理。我当时写的是预处理阶乘和逆元然后用组合数公式计算。核心代码如下const int MOD 1e9 7; long long modpow(long long a, long long b) { long long res 1; while (b 0) { if (b 1) res res * a % MOD; a a * a % MOD; b 1; } return res; } vectorlong long fact, invFact; void initFact(int n) { fact.resize(n 1); invFact.resize(n 1); fact[0] 1; for (int i 1; i n; i) fact[i] fact[i - 1] * i % MOD; invFact[n] modpow(fact[n], MOD - 2); for (int i n - 1; i 0; i--) invFact[i] invFact[i 1] * (i 1) % MOD; } long long C(int n, int k) { if (k 0 || k n) return 0; return fact[n] * invFact[k] % MOD * invFact[n - k] % MOD; }这里需要注意费马小定理求逆元的前提是 MOD 是质数而 1e97 恰好是质数所以可以用modpow(fact[n], MOD-2)来求逆元。如果题目给的模数不是质数就不能这么干要改用扩展欧几里得。组合数取模在深信服的笔试题里出现可能和流量分析、协议识别中的特征组合数计算有关也可能纯粹就是考察数学基础。不管怎样快速幂和逆元的模板一定要背熟这两样是算法竞赛和笔试的常备武器。4. 算法原理问答题这类题真正想考察什么4.1 从BM25到Rete检索和规则引擎背后的算法简答题给我的感觉是“广而不深”它不会让你推导复杂的Transformer公式但会问很多经典算法的原理和适用场景。有一道题让我印象深刻简述BM25算法的思想和公式。BM25是一种用于信息检索的相关性排序算法可以理解成TF-IDF的进阶版。它考虑了词频的饱和效应和文档长度的归一化公式大致是score(D, Q) Σ_{i} IDF(q_i) * [ tf(q_i, D) * (k_1 1) ] / [ tf(q_i, D) k_1 * (1 - b b * len(D) / avg_len) ]其中 k_1 控制词频饱和程度b 控制文档长度归一化的强度。相比TF-IDFBM25对词频的线性增长做了截断避免某个词重复出现太多导致分数异常高。这个算法在ES搜索、日志检索系统里非常常用。我在回答这题时不仅写了公式还补充了参数的典型取值k_1 一般取 1.2 到 2.0b 一般取 0.75。这种细节能体现你真的用过它而不是只会背书。另一道题问的是规则引擎Drools的Rete算法原理。Rete算法的核心思想是空间换时间通过构建一个判别网络把规则的条件部分编译成网络节点利用节点共享和匹配结果缓存减少事实匹配的次数。我理解它就像一个“记忆化的多阶段过滤器”每条事实进入网络后逐层匹配匹配结果保存在alpha记忆和beta记忆里当新的规则事实加入时不需要从头开始匹配所有条件。我当时用生活化类比解释Rete就像学校查违规用电传统做法是每来一个新规定就把全校宿舍重新查一遍Rete的做法是一开始先建好台账每一条记录进入系统就更新相关台账新规定来了只需要查增量数据。这个类比不一定完全准确但能帮助面试官快速理解你有没有抓住核心。4.2 启发式算法粒子群和模拟退火的考察点简答题里还出现了启发式算法比如粒子群算法PSO和模拟退火算法SA。我一开始有点意外因为互联网公司算法岗笔试很少考这些但后来一想深信服在资源调度、路径优化、策略配置这些场景里确实会遇到传统精确算法无法在合理时间内求解的问题这时候就需要启发式算法。粒子群算法的基础是模拟鸟群觅食行为。每个粒子代表解空间中的一个候选解有位置和速度两个属性。每次迭代时粒子根据自身历史最优pbest和群体历史最优gbest更新速度再更新位置。速度更新公式是v_{i1} w * v_i c_1 * r_1 * (pbest_i - x_i) c_2 * r_2 * (gbest - x_i)其中 w 是惯性权重c_1、c_2 是加速常数r_1、r_2 是[0,1]之间的随机数。笔试如果考PSO大概率会让你写出速度更新公式或者问惯性权重 w 的作用w 大全局搜索能力强w 小局部开发能力强。常见的策略是让 w 随迭代次数线性衰减先全局后局部。模拟退火算法这边核心是Metropolis准则以概率 exp(-ΔE / T) 接受比当前解更差的解。温度 T 高时接受差解的概率大有利于跳出局部最优随着温度降低接受概率越来越小算法逐渐收敛。我当时把它类比成“冶金退火时温度高原子运动剧烈温度低慢慢稳定下来”这样记忆比较牢固。这类题其实不太需要你写出完整代码但需要你把流程讲清楚初始化、邻域搜索、概率接受、降温、终止。我之前准备的时候把粒子群、模拟退火、遗传算法各自的流程对比着看了三遍才在写简答时比较有把握。4.3 机器学习基础从KNN到聚类再到ELBO选择题和简答题都涉及机器学习的基础内容。KNN、K-means聚类、线性回归这些都是老生常谈但有些细节如果不注意很容易答错。关于KNN有一个热搜词“KNN算法的应用能力包括哪三个方面”。我当时总结的是分类多数投票决定类别是最经典的应用回归取K个近邻的目标值做平均或加权平均异常检测/密度估计如果样本周围的近邻距离都很远可以视为异常点也可以基于K近邻的分布做密度估计KNN还常用于推荐系统中的相似用户或相似物品查找K-means的考题通常是它收敛一定会到全局最优吗答案是不会K-means只能保证收敛到局部最优对初始中心点敏感。所以一般会跑多次用不同的随机种子选代价最小的结果。还有一个考点是K值的选取常用的方法是肘部法则但更好的做法是结合业务场景和后续任务效果来定。机器学习原理题里比较深的一道是关于KL散度和ELBOevidence lower bound的。ELBO是变分推断的核心概念在VAE变分自编码器推导里会出现。题目可能让你解释VAE的损失函数为什么是“重构损失 KL散度”。我当时是这么理解的VAE希望找到隐变量 z 的后验分布 p(z|x)但直接求后验不可行所以用一个近似的 q(z|x) 去逼近。ELBO的推导如下log p(x) log ∫ p(x|z) p(z) dz ≥ E_{q(z|x)}[ log p(x|z) ] - KL( q(z|x) || p(z) )右边第一项是重构loss的负值第二项是编码分布和先验分布的KL散度。最大化ELBO等价于同时最小化重构误差和KL散度。这个知识点在面试中出现的频率也比较高如果简历里写了生成模型相关内容一定要把推导过程写熟。4.4 控制与信号类算法PID、FOC、音频重采样这部分的题目是深信服笔试里比较特别的一块。一般互联网公司不会考PID控制、FOC电机控制、音频重采样但深信服的产品线涉及云桌面、终端设备、音视频处理所以这些内容会出现在选择题或者简答题里。PID控制算法是自动控制里的经典方法增量式PID的公式是Δu(k) K_p * [e(k) - e(k-1)] K_i * e(k) K_d * [e(k) - 2*e(k-1) e(k-2)]其中 K_p 比例项加快响应K_i 积分项消除稳态误差K_d 微分项抑制超调。增量式PID输出的是控制量的增量而不是绝对控制量这样做的好处是即使系统出现故障也不会输出一个巨大的控制量比较安全。在云桌面场景里如果涉及音视频同步、画面帧率控制PID也是一个可用的控制手段。FOC磁场定向控制是电机控制里的算法通过Clarke变换和Park变换将三相电流分解为d轴和q轴分量分别控制励磁和转矩。如果笔试考到多半只是选择题里问“FOC的坐标变换有哪些”知道Clarke变换和Park变换就够了不会让你手推公式。音频重采样算法这块热词里也出现了。我遇到的题是问“常见的音频重采样算法有哪些各自的特点是什么”。常见的包括最近邻插值实现简单但会引入较大失真线性插值比最近邻好一点但高频成分会有衰减多项式插值精度更高但计算量增大基于sinc函数的插值加窗sinc理论最优能做到较高的保真度代价是计算量大多相滤波器组工程上最常用兼顾质量和速度在云桌面、VoIP、实时音视频场景里重采样质量直接影响到用户体验。我当时的回答思路是先讲清楚为什么需要重采样采样率不匹配再列举算法并比较计算复杂度和音质最后提到工程上一般用多相滤波器实现。4.5 图像算法与边缘检测图像处理也占了一小块主要考到Sobel算子和拉普拉斯算子。Sobel是一种一阶微分算子通过卷积核计算图像在x方向和y方向的梯度幅值常用于边缘检测。拉普拉斯算子是二阶微分算子对噪声比较敏感所以使用前一般要先用高斯滤波平滑这也就是LoGLaplacian of Gaussian的思想。Sobel的卷积核水平方向[[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]]垂直方向[[-1, -2, -1], [0, 0, 0], [1, 2, 1]]拉普拉斯的3x3卷积核是 [[0, 1, 0], [1, -4, 1], [0, 1, 0]]。选择题如果考这些通常就是给一个卷积核问你它是什么算子或者问某个算子的作用。图像锐化其实就是原图减去或加上拉普拉斯结果的某种组合这类题需要熟记几个经典卷积核。图像算法和深信服的业务也有关联它的安全产品中有一些涉及图像识别、屏幕水印、行为审计的场景所以考基础图像处理知识并不奇怪。5. 考完之后我给后来者整理的备考路线5.1 先打牢CS基本功再谈岗位方向如果你问我准备深信服算法岗笔试最重要的三件事是什么我会说数据结构基础、算法模板、口头表达算法的能力。这三件事按优先级排序数据结构基础排第一。选择题的广度很大但它考察的是计算机基本功不是你刷了多少道难题。栈、队列、二叉树、哈希表这些是必须熟练的排序算法的复杂度、稳定性要能脱口而出KMP、Dijkstra、快速幂这种高频算法的最好能不看模板写出来。我见过一些同学刷题很多但让他说说“为什么KMP能线性匹配”他说不清楚。笔试简答题就是专门筛这类“会写不会讲”的候选人的。所以我建议每学一个算法就尝试用自己的话把它的核心思想、时间复杂度、适用场景讲一遍可以对着镜子讲也可以写在本子上。这比多刷十道题更管用。5.2 针对深信服的产品方向做延伸准备这也是我最想强调的一点笔试中出现的产品相关知识点如果你完全没有接触过会非常被动。比如SD-WAN单臂模式、802.1x认证流程、云桌面vGPU切分、VDI架构、EDR终端安全这些内容不是算法题而是技术常识题。我的建议是在笔试前花半天时间把深信服的产品线和技术博客快速过一遍。具体来说了解EDR终端防护中心的作用它和传统杀毒软件的区别了解超融合HCI的基本架构计算、存储、网络虚拟化的关系了解云桌面VDI和VOI/IDV的区别vGPU的细粒度切分方案了解SD-WAN的集中管理和智能选路原理单臂和双臂模式的区别了解AC上网行为管理的准入认证方式包括802.1x、Portal、MAC认证如果你本来就是学网络的这些内容看起来会比较亲切。如果你和我一样是纯算法方向出身这部分要靠临时补课。我当时是花了一个晚上把安全产品白皮书、云产品技术介绍和几个解决方案文档全部过了一遍做了笔记。笔试时看到相关题目虽然不能保证全对但至少不会完全懵。5.3 笔试过程中的时间管理与心态最后想说一个很实际的问题时间分配。我复盘时发现选择题做太快容易跳坑做太慢又会影响后面的编程题和简答题。我的建议是选择题尽量控制在四十分钟到五十分钟内完成遇到拿不准的题先标记不恋战。编程题每道最多留二十分钟到二十五分钟如果卡住就换思路不要在一道题上死磕。简答题要留出足够时间因为要写文字解释比代码更费时间。笔试心态上有一个很重要的点不要因为某一道题完全不会而崩掉。深信服的笔试覆盖面很广总会有你没准备好的知识点。我当时遇到一道和Drools规则引擎相关的题其实也是一知半解但我把自己知道的Rete算法核心讲了把自己理解的节点共享和记忆化讲清楚了至少能拿一半分。与其空着不如把相关联的知识写上去。我还记得笔试结束后大约两周收到了面试通知当时还挺惊喜的。后来和面试官聊起来他说笔试主要看的是综合潜力不是要求你每一题都答对。这让我更加确定扎实的基础、清晰的表达、对这个行业技术方向的基本了解这三者结合起来才是笔试的通关密码。如果让我重新准备一次我会把更多时间花在“讲清楚算法”上而不是盲目刷难题。因为深信服的笔试题目更像是一面镜子照出你的基本功是否扎实、知识面是否够宽、遇到陌生问题时能不能快速给出合理的思考路径。这些能力才是算法工程师在网络安全和云计算领域真正需要的。