基于动态图注意力与对比学习的网络入侵检测方法及系统

本发明公开了一种基于动态图注意力与对比学习的网络入侵检测方法及系统。通过将网络流量构建为动态异构图(节点为IP/端口，边为流量会话)，采用时间窗口划分和GATv2网络进行动态特征融合。创新性地引入最优传输对比学习策略，通过Wasserstein距离和高斯Wasserstein距离实现特征与结构分布对齐，提升模型对未知攻击的泛化能力。最终结合节点嵌入与对齐矩阵，利用MLP分类器预测边异常概率。实验显示，该方法在多个数据集上准确率和F1‑score较基线提升5.2％～10.5％，显著增强复杂攻击下的检测性能，适用于物联网等实时场景。系统可部署于边缘设备，具有较高实用价值。