Stress-Testing Structure-Aware Calibration of Malware Graph Neural Networks under Type Shift

arXiv cs.CR · 25 sept, 06:00

Investigadores analizan cómo los calibradores post-hoc de redes neuronales para detección de malware pueden fallar cuando cambia el tipo de malware no visto en validación. El estudio en MalNet-Tiny muestra que añadir covariables de estructura degrada la confianza del modelo, pero una guarda basada en soporte comunitario recupera la mayoría de las pérdidas sin necesidad de etiquetas.