一种基于元学习与对比学习的恶意域名检测方法及设备

本发明涉及一种基于元学习与对比学习的恶意域名检测方法，包括：构建恶意域名分类任务的元数据集；生成二元训练集；将二元训练集输入孪生神经网络，基于类内多样性对比损失进行联合优化；获得具有跨任务泛化能力的特征编码器；形成优化支持集，合并所有类别优化支持集形成全局支持集；生成增强后的支持集；最终在查询集上输出域名类别即最终预测结果。本发明通过元学习的任务自适应机制，在模型训练阶段强制均衡各家族样本的贡献度，使模型在保持主流家族检测性能的同时，显著提升对样本稀少家族的识别准确率，在极端小样本场景下仍保持较高检测准确率；为动态演化的恶意域名威胁提供了高鲁棒性、自适应的轻量化检测体系。