本文针对安卓应用中恶意软件通过应用推广广告（app promotion ads）分发的新趋势，提出了一种名为ADGPE（App promotion ad Detection via Graph learning and UI Exploration）的自动化检测与解释方法。研究背景是：应用开发者常嵌入推广其他应用的广告，但广告内容审核不足，导致恶意开发者利用这些广告作为恶意软件的新分发渠道。核心问题是如何自动收集应用推广广告、检测其中推广的恶意软件，并解释恶意软件采用的推广机制。方法上，ADGPE协同整合了应用用户界面（UI）探索与图学习技术：首先通过UI探索自动收集应用内的推广广告，构建应用推广图（App Promotion Graph）；然后利用图神经网络（GNN）对节点（应用）进行分类，检测恶意软件；最后通过路径推断模型揭示恶意软件的推广机制。实验基于18,627个应用推广广告数据，结果表明：从应用推广广告下载应用时遇到恶意软件的概率比Google Play高出数百倍；主流广告网络（如Google AdMob、Unity Ads、Applovin）被恶意开发者利用来传播各种恶意软件，包括激进广告软件、流氓安全软件、木马和勒索软件。UI探索技术相比现有方法在相同时间内多发现24%的推广广告。恶意软件检测模型在F1分数上比现有最佳技术提升5.17%（从90.14%提升至95.31%），并检测到28个最初被VirusTotal标记为良性但六个月后被标记为恶意/潜在有害应用（PUA）的应用。路径推断模型揭示了两种恶意软件推广机制：通过硬编码广告的自定义广告推广，以及通过与广告服务器（如AdMob和Applovin）交互的广告库推广。这些发现揭示了应用推广广告的关键安全风险，并证明了ADGPE结合动态程序分析与图学习在研究应用推广广告恶意软件分发方面的有效性。