EGAMA-RC: Risk-Calibrated Evidence-Gated Adaptive Malware Analysis for Robust and Interpretable Memory-Forensic Triage

本文提出了一种名为 EGAMA-RC 的风险校准证据门控自适应恶意软件分析框架，用于内存取证场景下的恶意软件分类与分流。传统机器学习恶意软件检测器在干净数据上准确率较高，但实际运营中的分流任务还需考虑不确定性、新颖性、鲁棒性、可解释性、延迟

历史摘要 · 未重新核验 · arXiv cs.CR