为改善现有深度学习驱动的二进制代码相似性检测模型的跨架构检测能力，提出一种基于正交变换对齐的跨架构代码相似性检测方法。该方法针对不同架构的指令嵌入实施正交变换以消除其差异性，通过将对齐后的指令嵌入送入孪生对比学习模型，降低模型的训练难度并增强跨架构的语义相似性检测能力。实验结果表明，所提方法在受试者工作特征曲线下面积、F1分数和准确率上相比采用未经指令嵌入对齐的检测模型分别提高10.3%、9.2%和9.6%,跨架构检测能力和对抗编译优化干扰的能力更强。