MCL-PhishNet：多模态对比学习的钓鱼网址检测研究

来源：电子与信息学报杂志2026年第2期北京时间：

作者：董庆伟, 付雪廷, 张本奎

单位：1.军委政法委员会某部 北京 1000102.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。该文提出多模态对比学习框架(MCL-PhishNet)，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，实现钓鱼网址(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。

关键词：网络钓鱼检测, 层次化语法编码, 多模态对比学习, 注意力机制, 特征融合