一种基于跨模态对齐的网络行为表征学习方法及系统

本发明公开了一种基于跨模态对齐的网络行为表征学习方法及系统，属于人工智能与网络安全领域。该方法包括：从网络行为中提取统计特征、包长序列和载荷序列三种模态的数据；为各模态设计独立的特征提取网络，将其映射至统一的共享语义空间；引入一种双重对比约束机制进行跨模态对齐学习，通过一个复合损失函数进行优化：一方面，通过最小化同一样本的不同模态特征间的距离，实现组内聚合；另一方面，通过一个预设间隔拉远不同样本的对应模态特征，实现组间区分；有效抑制了模型对偶然性模式的学习，增强了对攻击本质特征的捕捉能力。本方法能够显式建模跨模态结构关系、挖掘本质攻击模式，以提升IoT攻击检测的泛化能力。