该论文针对Android应用中的逻辑炸弹（Logic Bomb）提出了一种新型的隐蔽触发机制。传统逻辑炸弹通常依赖静态条件（如日期、文件存在等）作为触发器，容易被安全分析工具通过静态特征或简单动态执行暴露。作者创新性地提出了“自动情境化隐蔽触发器”（Auto-Contextualized Covert Triggers），利用应用运行时的上下文信息（如传感器数据、网络状态、用户行为序列等）动态生成触发条件。该方法通过机器学习模型在正常使用环境中学习上下文特征，并自动组合成难以预测的触发逻辑。实验部分，作者在多个真实Android应用上实现了原型系统，并评估了其对抗静态分析和动态监测的能力。结果显示，该机制能有效绕过现有基于规则和简单行为分析的检测方法，显著提高了逻辑炸弹的隐蔽性。论文的主要贡献包括：形式化了情境化触发器的设计空间，提出了一种自动生成框架，并验证了其在实际环境中的有效性。读者对象为移动安全、恶意软件分析与防御的研究人员。