该论文提出了一种面向勒索软件检测的安全感知深度强化学习（SA-DRL）框架，核心创新在于将误报（False Positive）和漏报（False Negative）的成本不对称性嵌入到强化学习的奖励信号中。传统机器学习检测器通常使用对称目标函数，对漏报和误报给予同等惩罚，但实际中漏报可能导致不可逆的加密、业务中断和高昂恢复成本，而误报通常可逆。SA-DRL通过设计非对称奖励函数（R2）优先减少漏报，同时引入安全最优模型选择（SOMS）准则和自适应样本排序机制。在平衡的勒索软件检测数据集上，对DQN、DDQN、PPO和A2C四种深度强化学习智能体进行了评估，使用对称基线奖励（R1）和安全感知非对称奖励（R2），采用四个折扣因子、五折交叉验证和三个随机种子，共进行480次训练。SOMS准则以漏报率优先，结合F1分数和训练时间选择模型。结果表明，非对称奖励塑造显著提升了安全导向的检测性能。SOMS选出的最佳配置（DDQN + R2 + gamma=0.1）实现了漏报率0.0080，F1分数0.9915，AUC 0.998，相比最佳监督基线减少漏报67.6%。在所有配置中，R2使平均漏报率相比R1降低43%。该研究强调了奖励函数设计对安全敏感型勒索软件检测的重要性，为将领域先验知识融入强化学习框架提供了有效范式。适合安全研究人员、机器学习和入侵检测从业者阅读。

本文提出了一种名为Agentic SABRE（Semantic-Behavioural Arbitration for Ransomware Evaluation）的不确定性感知、神经符号多智能体框架，用于自适应勒索软件检测。核心问题在于传统静态签名和单一分类器难以应对勒索软件的漂移、规避和行为多态性。方法上，SABRE融合了基于语义的表示证据与基于行为的时序取证，并通过蒙特卡洛Dropout推断为每个智能体量化认知不确定性。引入决策层编排器，使用风险评分和不确定性预算两个可解释阈值：高置信度、高风险的样本自动处置，不确定或边界样本上报给人工分析师，建立了自主响应与分析监督之间的灵活计算契约。此外，SABRE集成了事后可解释性机制，包括梯度显著性、排列重要性和反事实分析，支持局部和全局决策解释。在RDset和RanSMAP数据集上的评估表明，Agentic SABRE在饱和语义数据集上保持完美区分（AUC=1.0），在弱行为信号下提升了鲁棒性，在同等召回率下误报率相对降低最多4.9%，且反事实分析显示语义和行为决策均可在有界扰动成本下逆转，表明决策边界稳定且可解释。本论文适合安全研究人员、SOC分析师及关注AI驱动检测的从业者阅读。