该论文研究的是基于控制流图（CFG）的图神经网络（GNN）恶意软件检测器在时间分布偏移下的泛化能力与可解释性稳定性。作者指出，现有工作普遍在一个单一时间窗内采集的语料上做随机划分（random split）评估，训练集与测试集来自同一时期，因此无法回答一个关键问题：模型对晚于训练期出现的样本是否仍然有效。为此，论文设计了严格的时间切分（strict temporal split）协议——所有模型只在较早时期的数据上训练，并且只在更晚时期的数据上评分一次，不做任何调参回看。 数据方面，作者从 1,989 个 Windows 可执行文件（PE）中静态提取控制流图，每个节点携带 37 维特征，构成两个语料：训练语料来自 2024—2025 年，含 459 张图；评测语料来自 2026 年，含 223 张图。在早期语料上共训练了 12 种 GNN 变体，以及一个不使用图拓扑、仅看节点特征的“扁平特征”对照模型（flat-feature control）。 主要发现有四条：（1）消息传递算子（message-passing operator）的选择会显著改变模型对分布偏移的鲁棒性，所有在多重比较校正后仍然显著的成对差异，都指向“聚合型架构”与“基于学习式注意力读出（attentional readout）的架构”之间的分野；（2）模型排序发生反转——扁平对照模型在同分布（in-distribution）测试中表现最好，却在跨时间边界时跌至最差之列，这意味着常规随机划分基准很可能会错误地否决消息传递机制的价值；（3）重校准（recalibration）与集成（ensembling）都无法替代算子选择本身；（4）归因（attribution）位置本身没有明显漂移，但解释的有效性是架构相关的，且在晚期语料上最准确的算子反而最难解释，即准确性与可解释性之间存在张力。最后，作者基于该发现推导出一种新架构，无需搜索即可达到与最优搜索算子相当的性能。作者强调，这种偏移对恶意与良性两类样本同样生效，因此结论应被理解为“对分布偏移的鲁棒性”问题，而非“恶意软件演化”问题。适合从事恶意软件检测、图机器学习鲁棒性评估与模型可解释性研究的读者。