结合迁移学习的多模态数据人工智能安全分类识别方法

本发明涉及信息安全识别技术领域，具体公开了结合迁移学习的多模态数据人工智能安全分类识别方法，在构建多模态行为数据集的过程中，实时采集文件访问频率和网络连接频率，并分别通过快速傅里叶变换和K‑means聚类算法提取其波动特征值，用于评估系统面临的内部威胁与外部攻击风险，将两类特征融合为综合特征向量，作为输入构建基于支持向量机的迁移学习模型，实现对目标对象安全状态的智能识别，为提升识别准确性，系统引入比例‑积分‑微分控制机制，根据识别误差动态调整采样周期与检测粒度，形成闭环反馈优化结构，本发明实现了多源异构行为数据的有效整合、模型跨场景迁移与在线自适应调节，提升安全识别系统的智能化水平。