Este artículo propone un nuevo marco para la detección de malware basado en grafos de flujo de control (GFC). Incorporamos las características de los nodos GFC mediante un enfoque híbrido que combina codificación basada en reglas e incrustación basada en autocodificadores, y utilizamos un clasificador basado en GNN para detectar comportamiento malicioso. Para mejorar la interpretabilidad del modelo, aplicamos GNNExplainer, PGExplainer y CaptumExplainer (utilizando gradientes integrados, retropropagación guiada y saliencia). También mejoramos la calidad de las explicaciones mediante un novedoso método de agregación, RankFusion. Asimismo, proponemos una novedosa estrategia de extracción de subgrafos denominada Greedy Edge-wise Composition (GEC), y validamos la eficacia del marco propuesto mediante evaluaciones exhaustivas utilizando métricas de precisión, fidelidad y consistencia.
