企业官网建设流程全解析

建网站和开发网站,俄罗斯网站设计,网站设计制作费,网站被安全狗拦截近日#xff0c;由360集团创始人周鸿祎#xff0c;360集团首席科学家、360数字安全集团CTO潘剑锋等领衔的研究团队所提出的《HyperGLLM#xff1a;基于超图增强大语言模型的高效终端威胁检测框架》#xff0c;被AAAI 2026收录并在大会现场进行报告展示。该研究针对当前终端…近日由360集团创始人周鸿祎360集团首席科学家、360数字安全集团CTO潘剑锋等领衔的研究团队所提出的《HyperGLLM基于超图增强大语言模型的高效终端威胁检测框架》被AAAI 2026收录并在大会现场进行报告展示。该研究针对当前终端安全中攻击隐蔽、行为复杂等难题提出了一种融合超图推理与大语言模型的新型高效架构不仅推进了大模型在安全场景中的落地应用也为终端威胁检测技术的进一步发展奠定了扎实基础。AAAI是国际人工智能领域最具影响力与权威性的学术会议之一今年适逢其第四十届年会。本届会议共收到23680篇有效投稿创历史新高其中4167篇被录用接收率仅为17.6%为近三年最低。随着高级持续性威胁APT与隐蔽攻击的日益普遍终端检测与响应EDR系统已成为现代安全防护体系的核心支柱。然而传统基于规则或机器学习的方法在面对持续演化、高度复杂的攻击手法时往往显得力不从心。近年来大语言模型LLM凭借强大的语义与行为理解能力为终端行为分析提供了新的可能。但在真实安全场景中其落地仍面临双重考验一是终端事件规模庞大、实时性要求极高二是攻击行为往往交错复杂隐蔽而零散的恶意操作藏在海量正常行为中对系统的长上下文建模与威胁行为检测提出了严峻挑战。为此360研究团队创新地将超图推理与大语言模型相结合提出HyperGLLM框架。该框架首先构建属性-值的关系图以捕捉低阶结构语义并减少文本冗余随后引入集成多粒度聚类的微分超图模块用于捕捉交错事件中的高阶行为依赖关系最后将超图增强的语义表示与大语言模型对齐从而实现对潜在恶意行为的高效上下文推理。HyperGLLM框架为了深入验证研究结果团队构建了大规模数据集EDR3.6B-63F涵盖36亿条事件和63个行为家族。实验评估显示HyperGLLM框架在恶意行为种类判别上准确性高达94.65%误报率仅为1.67%。不仅显著提升了大语言模型对超长EDR日志的建模效率还在保持高效推理模型能力的同时性能显著优于现有基线模型。该项研究不仅推进了大语言模型在安全场景中的落地能力也为终端威胁检测领域的研究提供了坚实的基础。目前360在安全大模型赋能下构建了覆盖威胁感知、分析、响应的终端智能体蜂群体系为政府、金融、能源、医疗等关键基础设施提供持续进化的安全防御能力。未来团队将继续推动AI与安全技术的深度融合助力行业应对日益复杂的新型威胁。