오픈 소스 소프트웨어는 전이적 의존성(transitive dependencies), 특히 NPM 패키지에 주입된 악성 코드를 통한 공급망 공격(supply-chain attacks)에 취약합니다. 기존의 탐지기들은 난독화된 동작을 불충분하게 모델링하거나, JavaScript의 객체 중심(object-centric) 특징을 간과하며, 정적 분석(static analysis)과 동적 분석(dynamic analysis)의 협업이 미흡하고, 동작 추상화 과정에서 의미론적 정보(semantic information)를 손실하는 경우가 많습니다. 우리는 객체 민감형 동작 그래프(object-sensitive behavior graphs)와 주석이 달린 코드 슬라이스(code slices)에 대한 협업적 LLM 추론을 결합한 악성 NPM 패키지 탐지기인 ProfMalPlus를 제안합니다. 이 시스템은 설치 명령과 엔트리 파일(entry files)을 식별한 다음, 민감한 API, 제3자 호출(third-party calls), 그리고 해결되지 않은 호출(unresolved calls)을 포착하는 그래프를 구축합니다. 이러한 그래프로부터 ProfMalPlus는 보안 관련 슬라이스를 추출하고 인라인 정적 분석 증거를 추가합니다. 로컬 심판 에이전트(Local judge agents)는 각 슬라이스를 독립적으로 평가합니다. 자기 일관성(Self-consistency)은 반복된 판단을 통합하여 LLM의 분산(variance)을 줄이며, 글로벌 심판(global judge)은 이들의 보고서를 엔트리 수준의 판결로 합성합니다. 결정되지 않은 사례의 경우, 라우터(router)가 레지스트리 유래 모듈 및 메서드 의미론을 추가하는 제3자 보강(third-party enrichment) 또는 런타임 의존적 동작을 해결하기 위해 샌드박스(sandbox)에서 패키지를 실행하는 동적 증강(dynamic augmentation) 중 하나를 선택합니다. 보강된 증거는 재평가를 위해 다시 입력됩니다. 마지막으로, 로컬라이제이션 에이전트(localization agent)는 설명과 함께 악성 코드 스니펫을 보고합니다. ProfMalPlus는 98.1%의 F1-score를 달성하여 최신 탐지기들보다 3.5%에서 52.6% 더 높은 성능을 보였습니다. 또한 이 시스템은 이전에 알려지지 않았던 597개의 악성 패키지를 식별했으며, 이들은 모두 확인되어 NPM에서 제거되었습니다.