Explainable malware detection through integrated graph reduction and learning techniques

doi:10.1016/j.bdr.2025.100555

Explainable malware detection through integrated graph reduction and learning techniques

2025-08-19

0

OA

AI

H

Hesamodin Mohammadian *

DOI：10.1016/j.bdr.2025.100555

原文链接

查看原文

摘要

En 中文

近年来，控制流图（CFG）和函数调用图（CFG）在恶意软件检测任务中受到关注，因为它们能够表示程序的复杂结构和功能行为。为了更好地利用这些表示在恶意软件检测中并提高检测性能，它们已与图神经网络（GNN）结合使用。然而，这些图表示的巨大规模和复杂性给研究人员带来了显著挑战。同时，GNN模型提供的简单二元分类对恶意软件分析师来说是不够的。为解决这些挑战，本文将新颖的图缩减技术（Graph Reduction）和GNN可解释性整合到一个恶意软件检测框架中，以增强效率和可解释性。通过我们的广泛实验，我们证明所提出的图缩减技术显著降低了输入图的大小和复杂度，同时保持了检测性能。此外，使用GNNExplainer提取的重要子图，为模型的决策提供了更深入的见解，并帮助安全专家进行进一步分析。

Keyword:

Malware detection

Control flow graph

Graph embedding

Graph reduction

Graph neural network

Explainability

Explainable malware detection through integrated graph reduction and learning techniques

摘要

AI总结

期刊

机构