Android Malware Classification Using an Edge-Centric Graph Isomorphism Network

Function Call Graph(FCG)는 정적 Android 악성코드 탐지에서 실행 흐름과 행위 구조를 효과적으로 표현하지만, 기존 연구는 함수 호출을 단순 연결로 취급하여 edge 수준 의미 정보 활용에 한계를 보였다. 본 연구는 다양한 edge attribute를 Android 악성코드 FCG에 통합하고, GINE(Graph Isomorphism Network with Edge Features) 기반 악성코드 패밀리 분류 성능을 비교·분석하였다. 실험 결과, Baseline 모델은 정확도 0.8347과 높은 분산을 기록한 반면 Betweenness, ID Distance, Depth Difference는 6.4–7.4%p, Timestamp, Frequency, Direction은 4.9–5.6%p의 일관된 성능 향상을 보였다. 이는 Android 악성코드 FCG 분석에서 구조적 엣지 속성 설계가 분류 성능과 안정성 향상에 기여함을 시사한다.