Cost-Aware Hierarchical Multi-Agent Ransomware Detection and Family Attribution
研究者提出了一种用于自适应勒索软件检测的“成本感知分层多智能体系统（HMAS）”。该系统将专用智能体组织为层级化领域控制器，由元编排器协调；利用静态分析作为初始低成本模态，仅在置信度不足或专家智能体分歧时选择性调用动态和内存模态。实验对比了自适应 HMAS 与仅静态、静态加动态及穷举分析策略，结果显示 HMAS 在二分类检测中达到 96.57% 准确率、0.96 F1 分数和 0.99 ROC-AUC，家族归属宏观 F1 分数为 0.90。相比穷举分析，HMAS 平均分析成本降低 43.97%，显著降低了平均延迟（LLM 验证案例除外）。路由分析表明，56.05% 的案例仅凭静态证据解决，仅 4.33% 需要完整证据管道。