【基于Transformer语义特征的深度强化学习在网络钓鱼检测中的应用】近年来，将各种形式的机器学习算法应用于检测网络钓鱼分类问题，尤其是安全与恶意软件检测，已受到研究界的广泛关注。其中，深度强化学习(DRL)已成为应对网络安全挑战的一种范式，特别是通过DQN和DDQN等算法，这些算法允许智能体学习自适应策略，但现有方法在不可预测性和泛化能力方面存在一定的局限性。在本文中，研究人员提出了一种基于分位数回归深度Q网络(QR-DQN)的用于分布式强化学习的框架。该框架融合了RoBERTa语义嵌入和精心设计的词汇特征，以增强钓鱼检测能力。相关研究结果已发表在《Journal of Information Security》上。DOI: 10.4236/jis.2026.173012 http://t.cn/AXaEOHjI #论文发表# #网络钓鱼# #机器学习# #网络安全#