一、多模态 AI:从感知到认知的安全进化
传统图文跨模态模型(如 CLIP)存在 “视觉近视” 问题,难以识别局部细节。360 研究院发布的FG-CLIP 模型通过两阶段训练策略彻底解决了这一难题。第一阶段利用全局对比学习实现图文整体对齐,第二阶段引入区域对比学习,精准捕捉图像局部特征。例如,在检测钓鱼邮件时,FG-CLIP 能区分 “浅蓝色夹克” 与 “草绿色夹克” 的细微差异,甚至定位到画面角落的隐藏信息。这种能力在金融、医疗等对细节敏感的行业尤为重要。
在 Black Hat Asia 2025 大会上,360 展示了大模型与知识图谱结合的 TTP 攻击链提取技术。通过将小模型预测的 TTP 结果与现有知识图谱数据作为上下文输入,安全大模型不仅能验证攻击链的真实性,还能基于推理能力补充缺失环节。这种方法使威胁检测效率提升 30%,并在能源行业实战中实现日均 50 亿条日志的智能研判,防御效率较传统模式提升 18 倍。
360 安全大模型采用智能体框架 + 专家子模型集群的架构,每个智能体专注于特定场景(如漏洞扫描、威胁溯源)。例如,在攻防演练中,资漏运营专家智能体能自动梳理 2000 + 影子资产并修复漏洞,告警运营专家智能体与威胁溯源专家智能体协同生成攻击链路图,研判准确率达 90%。这种动态任务编排能力,使安全响应从 “人工干预” 转向 “自主决策”。
二、计算机视觉:构建立体防御体系
针对汽车网络安全,360 研发的智能固件检测平台集成了固件分析智能体、符号执行等技术。通过模拟真实攻击链,该平台能在极短时间内连续挖掘出两处关键中间人攻击漏洞,一处可控制车载娱乐系统,另一处则成为远程车辆控制的入口。这种 “漏洞挖掘 - AI 攻击模拟 - 防御监测” 的闭环能力,已覆盖数十家整车制造企业,全面守护智能座舱、自动驾驶等核心系统。
在菏泽郓城化工产业园,360 通过AI 视觉 + 高空瞭望技术,将高危情发现时间从 “小时级” 压缩至 “秒级”。系统不仅能识别安全帽穿戴不规范、抽烟等违规行为,还能实时监测明火、烟雾、液体泄漏等危险情况,并自动触发警报和隔离措施,应急响应时间缩短 50%。这种技术同样适用于电力、石油等关键基础设施,有效降低人为疏忽导致的安全风险。
作为车联网安全新国标《车联网网络安全异常行为检测机制》的牵头单位,360 将计算机视觉与多模态 AI 结合,构建了覆盖车云通信的全链路防护体系。例如,通过车载安全大脑实时监测车辆状态,推出 “智驾卫士” 功能,为车主提供隐私优化、场景切换等服务。目前,360 已与极氪、东风猛士等车企合作,推动智能网联汽车的安全标准化进程。
三、技术融合:打造安全新质生产力
360 视觉大模型通过端边云融合架构,将算法精度提升 35%。在终端设备(如摄像头)上部署轻量级模型进行实时预处理,云端大模型则负责复杂分析。例如,在连锁巡店场景中,摄像头可实时识别货架缺货、顾客动线等信息,云端模型结合历史数据生成优化建议,使运营效率提升 200%。
针对不同行业需求,360 开发了多模态孪生诱捕网络。该网络基于 SDN 架构和虚拟化仿真底座,能快速构建与真实业务网络高度相似的蜜网。通过智能编排引擎动态调度仿真对象,可精准诱骗攻击者并分析其行为模式。这种技术在金融、政府等领域的攻防演练中,成功将攻击溯源准确率提升至 98%。
在保障安全的同时,360 注重性能优化与用户体验。例如,360 安全卫士极速版通过智能负载均衡技术,将 CPU 占用率降低 40%,同时新增 6 大高阶防御体系,实现 “零感知防护”。这种设计理念同样体现在办公场景中,纳米 AI 工具链通过低代码平台降低企业使用门槛,在提升效率的同时确保数据安全。
四、行业影响与未来展望
从车联网安全国标到攻防演练解决方案,360 通过技术输出定义行业规则。例如,FG-CLIP 模型的开源,不仅推动学术研究,更促使企业采用统一的细粒度识别标准,减少因技术差异导致的安全漏洞。
通过与中国移动、重庆科技大学等机构的合作,360 构建了安全大模型 + 行业知识库的生态体系。例如,在医疗领域,360 与南京鼓楼医院共建安全运营中心,将多模态 AI 应用于患者数据保护和医疗设备安全监测,形成可复制的行业解决方案。
360 的纳米 AI 工具链通过低门槛设计,使中小企业也能享受到 AI 的红利。例如,在 “AI + 办公” 场景中,企业无需专业技术团队即可快速部署智能文档处理、跨模态检索等功能,人均产能提升 470%。