中文标题：MCL-PhishNet：基于多模态对比学习的钓鱼URL检测研究

英文标题：MCL-PhishNet: A Multi-Modal Contrastive Learning Network for Phishing URL Detection

来源期刊：电子与信息学报

基金项目：

作  者：董庆伟¹ 付雪廷¹ 张本奎²

作者单位：1. 军委政法委员会某部 北京 100010
2. 中国科学院空天信息创新研究院 北京 100080

摘  要：随着网络钓鱼攻击的复杂性和动态性日益加剧，传统检测方法在对抗新型攻击时面临特征维度虚高、多模态失配及对抗样本鲁棒性不足等挑战。本文提出多模态对比学习框架MCL-PhishNet(Multi-modal Contrastive Learning Phishing Network)，通过层次化语法编码器、双向跨模态注意力机制和课程对比学习策略，实现钓鱼URL的精准检测。其中，多尺度残差卷积与Transformer协同建模了URL的局部语法模式和全局依赖关系，17维统计特征增强对抗样本的鲁棒性；动态对比学习机制通过在线谱聚类划分语义子空间，结合边界间隔约束优化特征空间分布。实验表明，MCL-PhishNet 在EBUU17、PhishStorm等数据集上实现了99.41%的准确率和99.65%的F1值，显著优于传统机器学习与深度学习方法。该方法为动态对抗攻击检测提供了端到端的技术范式。

全文链接： https://jeit.ac.cn/cn/article/doi/10.11999/JEIT250758