यह शोधपत्र नियंत्रण प्रवाह ग्राफ़ (CFG) पर आधारित मैलवेयर पहचान के लिए एक नवीन ढाँचा प्रस्तावित करता है। हम नियम-आधारित एन्कोडिंग और ऑटोएनकोडर-आधारित एम्बेडिंग के संयोजन वाले एक संकर दृष्टिकोण का उपयोग करके CFG नोड विशेषताओं को एम्बेड करते हैं, और दुर्भावनापूर्ण व्यवहार का पता लगाने के लिए GNN-आधारित क्लासिफायर का उपयोग करते हैं। मॉडल की व्याख्यात्मकता बढ़ाने के लिए, हम GNNExplainer, PGExplainer, और CaptumExplainer (एकीकृत ग्रेडिएंट, निर्देशित बैकप्रोपेगेशन और सैलिएंसी का उपयोग करके) लागू करते हैं। हम एक नवीन एकत्रीकरण विधि, रैंकफ़्यूज़न, का उपयोग करके स्पष्टीकरणों की गुणवत्ता भी बढ़ाते हैं। हम लालची एज-वाइज़ कंपोज़िशन (GEC) नामक एक नवीन सबग्राफ़ निष्कर्षण रणनीति भी प्रस्तावित करते हैं, और हम सटीकता, निष्ठा और संगति मेट्रिक्स का उपयोग करके व्यापक मूल्यांकन के माध्यम से प्रस्तावित ढाँचे की प्रभावशीलता को मान्य करते हैं।