1月20日，第40屆AAAI人工智慧大會（AAAI-26）在新加坡開幕論文。在投稿量激增、錄用率再創歷史新低的激烈競爭中，由360集團創始人周鴻禕領銜，聯合360集團首席科學家、數字安全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：一種透過超圖增強大語言模型實現終端威脅檢測的高效框架》成功入選。這標誌著360在推動人工智慧前沿技術與終端安全實戰深度融合方面，取得了具有全球影響力的實質性進展。
截圖來自入選頂會AAAI 2026的論文《HyperGLLM》
千軍競逐論文，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論文。據悉，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佔比近三分之二，競爭空前激烈。最終整體錄用率僅為17.6%，可謂優中選優。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萬篇投稿中勝出，充分體現了其研究的前沿性、原創性與堅實的技術價值。
HyperGLLM論文：重新定義終端威脅檢測的AI正規化
該論文直擊終端安全核心挑戰—如何從海量、交織的事件中精準捕捉高階威脅論文。為此，團隊創新性地提出了 “HyperGLLM”框架，首次將超圖（Hypergraph） 的複雜關係推理能力與大語言模型（LLM）的語義理解優勢相結合，為終端行為分析開闢了新路徑。
1、高效建模，洞穿威脅本質：傳統方法處理海量日誌時存在資訊冗餘與語義割裂問題論文。HyperGLLM首先構建細粒度的屬性關聯圖，精準提取基礎行為特徵；進而透過其獨創的差分超圖模組與多粒度聚類技術，智慧識別跨事件、長時間尺度下的複雜行為模式與隱藏依賴，如同為安全分析裝上了洞察複雜攻擊鏈的“透視鏡”。
2、效率與精度雙突破：為驗證框架，研究團隊基於360海量安全資料，構建並開源了業界領先的基準資料集——EDR3.6B-63F（涵蓋63類行為家族、36億條事件）論文。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誌的效率，為下一代自動化威脅狩獵奠定了技術基礎。
周鴻禕深度參與論文，從學術前沿到安全實戰
作為論文主要作者之一，360集團創始人周鴻禕表示：“安全是人工智慧發展的‘壓艙石’，而AI也是解決數字化安全難題的關鍵論文。此次研究成果，源於我們長期堅持的‘AI+安全’融合創新戰略。”
當前，360正全力投身於智慧體（Agent）技術浪潮，致力於“讓AI世界更安全更美好”論文。本次入選的HyperGLLM研究，正是這一戰略在終端安全關鍵領域的深度實踐，體現了公司將前沿AI思想轉化為應對高階別網路對抗實戰能力的堅定追求。
（注：此文屬於央廣網登載的商業資訊，文章內容不代表本網觀點，僅供參考論文。）
