基于多模态深度学习的网络入侵检测方法和系统

本发明属于互联网安全技术领域，本发明公开了基于多模态深度学习的网络入侵检测方法和系统，包括对来自不同渠道的多源数据进行采集与模态归属，构建时间连续的多轨动态感知轨道集合，集成模态注意力分配机制，根据每类模态在不同感知轨道下的模态感能复合子，动态分配模态参数，输出多轨模态融合后的初始索引张量；接收初始索引张量，通过构建模态与轨道之间的双向响应张量，建立跨模态依赖关系；基于跨模态依赖关系中的语义标签构建语义触发矩阵，采用交叉模态残差连接机制，通过并行残差路径保留低阶模态耦合特征，并输出模态联动节点；提升了检测对复杂入侵行为的辨识能力，实现了对复杂网络攻击行为更全面、精确的检测。