SA-DRL: Security-Aware Deep Reinforcement Learning for Ransomware Detection with Asymmetric Reward Design

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

历史摘要 · 未重新核验 · arXiv cs.CR