重庆配资网针对安全任务在数据、任务属性及实战需求上的独特性

　　新浪科技讯 8月8日下午消息，在ISC.AI 2025未来峰会上，360集团首席科学家、数字安全集团CTO潘剑锋指出：“安全行业对大模型的探索已从初期的快速集成模式，迈向更纵深的‘实战化’阶段。这要求我们要跳出通用模型的框架，深入底层技术创新，打造真正属于安全领域的垂直大模型”。

　　会上，潘剑锋结合360安全大模型的实践成果，系统阐述了基于人脑“快慢思考”方法论重构大模型与智能体能力边界的创新路径——将安全场景中的各个子任务划分为“快思考任务”或“慢思考任务”，分别进行针对性处理后再实现综合应用，从而实现安全大模型能力边界的重构。

　　具体而言，“快思考”对应人类95%的日常潜意识决策，依赖海量训练形成“直觉判断”，大模型擅长通过海量标签数据挖掘统计规律，在概率意义上掌握学习样本所反映出来的一些隐含知识，可以看出“大模型擅长快思考”；“慢思考”对应人类“深思熟虑”的多步推理，需结合事实性知识与外部工具，在安全领域体现为复杂威胁溯源、多维度关联分析等深度推理任务，现阶段主要通过安全智能体的方式来解决。

　　此外，潘剑锋还指出，360聚焦各类安全任务，正以“在专业场景中实现小参数模型能力远超通用大尺寸模型”为目标，在实战效果与落地能效上持续突破，通过三级跳式发展实现安全大模型的效能跃升。

　　第一阶段，聚焦单个安全任务，探索垂直模型结构与训练方法创新。针对安全任务在数据、任务属性及实战需求上的独特性，360为不同任务定制专用模型并开展专项训练。以终端行为多模态研判模型为例，从海量EDR日志中寻找攻击痕迹，如同在成千上万页文字记录中定位一个目标，难度极大。为此，360创新思路，将枯燥的EDR日志转化为“终端行为监控录像”，每条操作对应一帧画面，让AI以“看录像、看精华”的方式完成分析，最终实现了“又准、又快、又省钱”的实战效果。数据显示，该模型对EDR行为的研判与归因准确率达99.42%。

　　随着产品化落地深入，多模型并行导致参数过大、GPU消耗过高、应用成本攀升，且单一任务需多种模型能力协同。为此，360启动第二阶段研发，推出“多专家协同（CoE）”大模型架构。该架构以大基座为基础，可像搭积木般插入不同专家分区，多数参数固定，任务执行时无需激活所有参数，有效解决多模型协同难题，实现集约化应用。

　　第三阶段聚焦训练框架创新。为解决多机多卡环境下训练成本高昂的痛点，360主导（联合伯克利BAIR实验室）推出业界首个开源的RL-LoRA训练框架，并升级为支持“持续进化”的LoRA训练框架。潘剑锋表示，该框架一方面使显存和带宽开销呈数量级降低，实现极致“省”；另一方面，节省的显存支持更大的Batch Size，使训练效率翻倍、周期大幅缩短，实现极致“快”。（文猛）