恶意软件检测技术通过对恶意软件语义进行深度分析获得了巨大成功。在已有检测技术中，基于函数调用图（FCG）的方法因为能直观刻画恶意软件的功能特性而表现出良好的检测性能。与此同时，近年来的对抗性攻击研究不仅通过只扰动特征向量来迷惑分类器（即特征空间攻击），也开始注重如何生成真实可逃避检测的恶意样本（即问题空间攻击）。然而，现有的问题空间攻击往往存在特征空间与问题空间之间转化不一致的缺陷，即修改后的特征表示无法在真实程序结构中同步得到合理对应，导致攻击效果受限。针对该问题，本篇论文（标题为“Structural Attack against Graph Based Android Malware Detection”）提出了一种针对基于图的Android恶意软件检测的结构性攻击思路，核心思想可能在函数调用图等图结构层面引入可控扰动，使图结构的改变与恶意功能的保持保持一致，从而生成能够绕过基于图神经网络的检测器的恶意样本。但需要说明，由于本信息仅来源于论文摘要，摘要中并未给出具体的攻击实现细节、防御对策或实验数据，因此上述关于“提出方法”的表述是基于标题与问题背景的合理推断。读者若需掌握具体技术路线，应进一步阅读论文全文。