Multimodal contrastive learning-based network intrusion detection

Giampaolo Bovenzi

doi:10.1016/j.rineng.2026.111405

Multimodal contrastive learning-based network intrusion detection

2026-06-06

0

OA

AI

DOI：10.1016/j.rineng.2026.111405

原文链接

原文求助

摘要

En 中文

• 多步多模态对比学习在数据偏移下稳定潜在特征。• 跨数据集适配在Edge-IIoT、IoT-NID和CIC-IoMT数据集上得到验证。• 提高了少数攻击的召回率（+4%）和短双向流的F1值（+3%，≤3个数据包）。• 相比迁移学习产生更紧凑的潜在空间（DB 0.90 vs. 1.12）。• 对比开销仅限于离线；推理在模拟的RPi4B上可行。

Keyword:

Network intrusion detection

Contrastive learning

Representation learning

Multimodal learning

Multimodal contrastive learning-based network intrusion detection

摘要

期刊

机构

引用论文