HyperGLLM論文入選AAAI 2026：360集團AI安全研究再獲國際頂會認可

1月20日，第40屆AAAI人工智能大會（AAAI-26）在新加坡開幕。在投稿量激增、錄用率再創(chuàng)歷史新低的激烈競爭中，由360集團創(chuàng)始人周鴻祎領銜，聯(lián)合360集團首席科學家、數(shù)字安全CTO潘劍鋒博士團隊（含彭敏博士等多位成員）及清華大學共同完成的論文《HyperGLLM：一種通過超圖增強大語言模型實現(xiàn)終端威脅檢測的高效框架》成功入選。

截圖來自入選頂會AAAI 2026的論文《HyperGLLM》

千軍競逐，硬核研究脫穎而出

AAAI被公認為全球AI學術界的頂級會議，其錄用論文代表了相關領域的前沿水平與未來趨勢。據(jù)悉，AAAI 2026共收到來自全球的投稿近2.9萬篇，其中來自中國的研究貢獻占比近三分之二，競爭空前激烈。最終整體錄用率僅為17.6%，可謂優(yōu)中選優(yōu)。360此篇論文能夠在計算機視覺、機器學習、自然語言處理等熱門研究方向匯聚的數(shù)萬篇投稿中勝出，充分體現(xiàn)了其研究的前沿性、原創(chuàng)性與堅實的技術價值。

HyperGLLM：重新定義終端威脅檢測的AI范式

該論文直擊終端安全核心挑戰(zhàn)—如何從海量、交織的事件中精準捕捉高級威脅。為此，團隊創(chuàng)新性地提出了 “HyperGLLM”框架，首次將超圖（Hypergraph） 的復雜關系推理能力與大語言模型（LLM）的語義理解優(yōu)勢相結(jié)合，為終端行為分析開辟了新路徑。

摘自《HyperGLLM》論文的部分技術原理演示

1.高效建模，洞穿威脅本質(zhì)：傳統(tǒng)方法處理海量日志時存在信息冗余與語義割裂問題。HyperGLLM首先構(gòu)建細粒度的屬性關聯(lián)圖，精準提取基礎行為特征；進而通過其獨創(chuàng)的差分超圖模塊與多粒度聚類技術，智能識別跨事件、長時間尺度下的復雜行為模式與隱藏依賴，如同為安全分析裝上了洞察復雜攻擊鏈的“透視鏡”。

2.效率與精度雙突破：為驗證框架，研究團隊基于360海量安全數(shù)據(jù)，構(gòu)建并開源了業(yè)界領先的基準數(shù)據(jù)集——EDR3.6B-63F（涵蓋63類行為家族、36億條事件）。實測表明，HyperGLLM將誤報率降至1.67%，整體準確率達到94.65%，同時顯著提升了大模型處理超長日志的效率，為下一代自動化威脅狩獵奠定了技術基礎。

周鴻祎深度參與，從學術前沿到安全實戰(zhàn)

作為論文主要作者之一，360集團創(chuàng)始人周鴻祎表示：“安全是人工智能發(fā)展的‘壓艙石’，而AI也是解決數(shù)字化安全難題的關鍵。此次研究成果，源于我們長期堅持的‘AI+安全’融合創(chuàng)新戰(zhàn)略。”

當前，360正全力投身于智能體（Agent）技術浪潮，致力于“讓AI世界更安全更美好”。本次入選的HyperGLLM研究，正是這一戰(zhàn)略在終端安全關鍵領域的深度實踐，體現(xiàn)了公司將前沿AI思想轉(zhuǎn)化為應對高級別網(wǎng)絡對抗實戰(zhàn)能力的堅定追求。