近年来,随着移动互联网和物联网迅猛发展,网络攻防的态势日益严峻。恶意代码原先主要来自于个人编写,如今逐渐转变为以团队与组织为单位,开始规模化与协作化开发。恶意代码的检测也从原始的特征码检测发展到现在的静态与动态行为分析,甚至与人工智能和大数据技术开始关联。对于恶意代码的动态变异、多态隐藏、团队聚合以及社工融合等特性带来的复杂性问题,目前有一种新的研究思路,通过分析代码的纹理特征,区分出代码背后的程序员代码行为习惯,从而为恶意代码分析与溯源提供支撑。针对安卓代码研究函数之间的调用关系,通过对不同代码之间函数调用关系进行分析和测试,可以寻找不同编写风格的代码之间的区别。函数之间的调用关系可以通过建模形成一张有向图,然后通过三个特征值对函数调用关系形成的有向图进行纹理量化研究。三个特征值首先是层次值,理想情况下函数调用关系应该是一个树结构,但实际上不同层的节点之间会存在互相调用,这个造成了层次性的混乱,统计底层函数对高层和同层的调用次数,记为层次值;其次是半方差值,在图像纹理分析中一般使用半方差图来判断图像的结构性,计算函数调用矩阵图水平方向步长为1的半方差值来评估函数调用矩阵图的有序性;最后是函数调用图中节点度分布有序值,随机分布条件下的一个图中的节点的度分布一般会呈泊松分布,而由开发团队所编写的代码函数调用关系则会是某种程度上有序的,计算函数调用的度分布与泊松分布之间的差距,称为度分布有序值。对不同的样本提取这三个特征值,通过对比来评估这三个特征值对不同编写风格的代码的区分效果。实验结果表明,度分布有序值的区分效果最好,而层次值和有序值区分效果不如度分布有序值,适合在函数数量接近时进行区分。