海报新闻记者萨伟近日提到，他的论文《HyperGLLM: An Efficient Framework for Terminal ThreatDetection with Hypergraph-Enhanced Large-Scale Language Models》成功入选由360集团创始人周鸿祎先生和360集团数字安全高级科学家兼CTO潘剑锋博士团队牵头的第40届AAAI人工智能大会（AAAI-26）（笔会报道是由360集团数字安全CTO潘剑锋博士团队共同完成）。明和彭明博士等许多成员）和清华大学。 AAAI 2026重大会议入选的文章《HyperGLLM》截图。数以千计的军队参与竞争，并突出了专门的研究。 AAAI被公认为全球人工智能学术界的顶级会议，接受的论文代表了相关领域的最新进展和未来趋势。据悉，AAAI 2026共收到来自全球近29,000份征询，其中近三分之二来自中国，竞争更加激烈比以往任何时候都更是如此。最终整体通过率只有17.6%，确实可以算得上是佼佼者了。 360这篇论文在计算机视觉、机器学习、自然语言处理等热门研究方向的数万份申请中脱颖而出。这充分体现了其研究的前沿性、原创性和扎实的技术价值。 HyperGLLM：重新定义设备威胁检测的 AI 范式 本文直接解决了设备安全的核心挑战：如何从大规模、相互交织的事件中准确捕获高级威胁。为了实现这一目标，团队创新性地提出了“HyperGLLM”框架。它首次将超图的复杂关系推理能力与大规模语言模型（LLM）的语义理解优势结合起来，为分析设备行为开辟了新途径。演示了摘自“HyperGLLM”文章的一些技术原理。传统方法苏处理大量记录时会受到信息冗余和语义碎片的影响。首先使用HyperGLLM创建详细的属性关联图。此外，它还通过独特的差分超图模块和多粒度聚类技术，智能地识别长期和事件尺度上的复杂行为模式和隐藏依赖关系。这就像为安全分析提供一个“观点”来深入了解复杂的攻击链。为了验证这个框架，研究团队基于360个海量安全数据集，创建并开源了行业领先的基准数据集EDR3.6B-63F（涵盖63个行为家族和36亿个事件）。实际测量表明，HyperGLLM 将误报率降低至 1.67%，总体准确率达到 94.65%。它还显着提高了处理极长原木的大型模型的效率，为下一代自动化日志奠定了技术基础。重新狩猎。从前沿学术到安全实践，周鸿祎都深度参与。 360集团创始人、文章主要作者之一周鸿祎表示：“安全是人工智能发展的‘稳定石’，人工智能也是解决数字安全问题的关键。这项研究成果是长期坚持‘人工智能+安全’融合创新战略取得的。”当前，360全力投身代理技术浪潮，致力于“让AI的世界更安全、更美好”。 HyperGLLM所选的研究是该战略在设备安全关键领域的全面实施，体现了该公司将前沿人工智能理念转化为处理高层网络冲突实用能力的坚定追求。