HyperGLLM论文入选AAAI 2026：360集团AI安全研究再获国际顶会认可 ...

集群智慧张老师

1月20日，第40届AAAI人工智能大会（AAAI-26）在新加坡开幕。在投稿量激增、录用率再创历史新低的激烈竞争中，由360集团创始人周鸿祎领衔，联合360集团首席科学家、数字安全CTO潘剑锋博士团队（含彭敏博士等多位成员）及清华大学共同完成的论文《HyperGLLM：一种通过超图增强大语言模型实现终端威胁检测的高效框架》成功入选。

截图来自入选顶会AAAI 2026的论文《HyperGLLM》

, l- b& N& f5 F7 Y" w 千军竞逐，硬核研究脱颖而出
" `# U# s, U2 ^# W- [ AAAI被公认为全球AI学术界的顶级会议，其录用论文代表了相关领域的前沿水平与未来趋势。据悉，AAAI 2026共收到来自全球的投稿近2.9万篇，其中来自中国的研究贡献占比近三分之二，竞争空前激烈。最终整体录用率仅为17.6%，可谓优中选优。360此篇论文能够在计算机视觉、机器学习、自然语言处理等热门研究方向汇聚的数万篇投稿中胜出，充分体现了其研究的前沿性、原创性与坚实的技术价值。
9 G8 W2 O% e+ O* l: L! D9 j- t HyperGLLM：重新定义终端威胁检测的AI范式
' M- y1 S  @% S- [2 w: k: o0 y6 l 该论文直击终端安全核心挑战—如何从海量、交织的事件中精准捕捉高级威胁。为此，团队创新性地提出了 “HyperGLLM”框架，首次将超图（Hypergraph） 的复杂关系推理能力与大语言模型（LLM）的语义理解优势相结合，为终端行为分析开辟了新路径。

摘自《HyperGLLM》论文的部分技术原理演示

1.高效建模，洞穿威胁本质：传统方法处理海量日志时存在信息冗余与语义割裂问题。HyperGLLM首先构建细粒度的属性关联图，精准提取基础行为特征；进而通过其独创的差分超图模块与多粒度聚类技术，智能识别跨事件、长时间尺度下的复杂行为模式与隐藏依赖，如同为安全分析装上了洞察复杂攻击链的“透视镜”。
( i8 H% T3 i* v$ b. f8 j 2.效率与精度双突破：为验证框架，研究团队基于360海量安全数据，构建并开源了业界领先的基准数据集——EDR3.6B-63F（涵盖63类行为家族、36亿条事件）。实测表明，HyperGLLM将误报率降至1.67%，整体准确率达到94.65%，同时显著提升了大模型处理超长日志的效率，为下一代自动化威胁狩猎奠定了技术基础。
周鸿祎深度参与，从学术前沿到安全实战
9 l9 m5 g3 h, t) o$ |4 @ 作为论文主要作者之一，360集团创始人周鸿祎表示：“安全是人工智能发展的‘压舱石’，而AI也是解决数字化安全难题的关键。此次研究成果，源于我们长期坚持的‘AI+安全’融合创新战略。”
% m9 N+ J9 h, |; ?9 i 当前，360正全力投身于智能体（Agent）技术浪潮，致力于“让AI世界更安全更美好”。本次入选的HyperGLLM研究，正是这一战略在终端安全关键领域的深度实践，体现了公司将前沿AI思想转化为应对高级别网络对抗实战能力的坚定追求。
$ H$ j, D6 k* E& d3 v# g; U+ E                     

            【责任编辑：高琳琳】