安天澜砥威胁检测分析垂直大模型
ANTIY VILLM - Threat Detection & Analysis Vertical Large Model
安天澜砥威胁检测分析垂直大模型
安天澜砥威胁检测分析垂直大模型基于安天赛博超脑20余年积累的海量样本特征工程数据训练而成，是国内首个通过国家网信办备案的威胁检测生成式算法。模型训练数据包括文件识别信息、判定信息、属性信息、结构信息、行为信息、主机环境信息、数据信息等，支持对不同场景下向量特征进行威胁判定和输出详实的知识理解，形成应用不同需求和场景的多形态的检测方式，提升后台隐蔽威胁判定能力，进一步为安全运营赋能。作为端侧大模型模块，可跟随引擎部署，具有极强的抗免杀变换能力、可输出与安天技术规范一致的精准分类命名，特别适合内网无法常态更新病毒库的场景用户，解决检测能力衰减问题。
核心优势
首个备案的生成式威胁检测算法
基于安天赛博超脑20余年积累的海量样本特征工程数据训练而成，是国内首个通过国家网信办备案的威胁检测生成式算法。模型训练覆盖文件识别、判定、属性、结构、行为、主机环境等全维度信息，形成多形态检测能力。
超大规模威胁分类
突破了传统AI分类模型仅能区分黑白或数百家族的局限，安天自研模型已可分类超过5万种家族，且从机理上无家族数量限制。在学习了千万级别样本知识后取得出色泛化能力，面对新型和动态变化的恶意代码时具备强鲁棒性，与传统检测方法形成良好互补。
直接理解二进制超长上下文
解决了大模型二进制理解能力衰减、上下文长度限制及编码问题，突破传统生成式大模型依托文本语料的局限，直接理解二进制上下文检测威胁，实现强泛化处理能力。最大上下文长度达336,592,896字节，是DeepSeek的2000余倍，远超同类模型。
精准威胁分类
在具备99.10%黑白判定准确度的基础上，针对黑样本进一步生成威胁类别、平台或环境依赖、家族和行为标签信息，输出与安天技术规范一致的精准分类命名，为安全运营提供详实的知识理解。
端侧部署，适应场景广泛
可作为端侧大模型模块跟随引擎部署，具有极强的抗免杀变换能力，可输出与安天技术规范一致的精准分类命名，特别适合内网无法常态更新病毒库的场景，解决检测能力衰减问题。
赛博超脑平台强力支撑
依托安天赛博超脑平台的大规模算力和存储，面向百亿级存量与百万级日增量威胁对象进行实时感知、自动化分析、规则生产和人机协同研判，并基于澜砥大模型持续迭代优化特征工程，提升新型恶意代码的检测能力。
模型性能对比
安天澜砥大模型与业界主流大模型在上下文处理长度上的对比
| 研发方 | 模型名称 | 是否开源 | 最大上下文长度 | 对比值 |
| 深度求索 | DeepSeek V3/R1 | 开源 | 163,840 | 1.0 |
| 阿里巴巴 | Qwen QwQ 32B | 开源 | 40,960 | 0.25 |
| Gemma3 27B | 开源 | 131,072 | 0.8 | |
| Anthropic | Claude 3.7 Sonnet | 闭源 | 204,800 | 1.25 |
| 安天 | 澜砥VILLM V2 | 闭源 | 336,592,896 | 2054.4 |
表1 安天澜砥大模型与常见模型上下文处理长度对比表（以 DeepSeek 为基准，对比值为模型长度处以基准）