PHISHREV：用于上下文感知钓鱼网站分类的机器学习与事后非单调推理混合框架
人工智能
2026-04-29 v1
摘要
钓鱼检测系统主要依赖统计机器学习模型，这类模型通常缺乏上下文推理能力且易受对抗性操纵。在本工作中，我们提出了一种混合框架，利用 Answer Set Programming (ASP) 将机器学习分类器与非单调推理相结合，以实现上下文感知的决策精修。所提出的事后推理层引入专家知识，通过形式化信念修正来修订分类器的预测。实验结果表明，该推理模块修改了 5.08\% 的分类器输出，提升了决策一致性。一个关键优势在于，新的领域知识可以以 时间纳入推理层，从而无需对模型进行重训练。
引用
@article{arxiv.2604.25512,
title = {PHISHREV: A Hybrid Machine Learning and Post-Hoc Non-monotonic Reasoning Framework for Context-Aware Phishing Website Classification},
author = {Mainak Sen and Kumar Sankar Ray and Amlan Chakrabarti},
journal= {arXiv preprint arXiv:2604.25512},
year = {2026}
}