恶意应用是移动终端用户面临的最严重威胁之一。由于恶意应用的恶意性、传播性和隐蔽性,恶意应用的检测往往落后于它的出现。虽然目前已从应用行为分析、特征提取和动态执行等多方面对恶意软件进行研究,但缺乏对恶意应用作者系统的、全面的分析。本文从Android应用作者的角度对应用程序展开研究,解决应用作者识别和行为分析问题。为准确识别应用作者,提出一种二阶段方法A~3Ident,包括作者解耦和作者识别两个阶段。在作者解耦阶段,根据Java包之间的语义关系和结构关系,构建以Java包为粒度的包关联图,利用Louvain算法对所有包划分模块,将Main Activity所在的模块视为作者识别的主要模块。在作者识别阶段,从主要模块中提取三种类型的特征,使用word2vec词向量模型和三种机器学习模型识别应用作者。为刻画应用作者的行为偏好,从应用创建方式和应用混淆两个角度进行一场大规模的实证研究分析。实验结果表明,在作者识别方面,A~3Ident在三个数据集的平均准确率达到了92.5%,并具有一定的抗混淆能力。在作者行为分析方面,只有小部分（8.11%）恶意应用由在线应用生成工具创建,使用频率小于良性应用。应用混淆包括标识符混淆和字符串加密两种方式,是恶意应用作者隐藏代码行为的重要手段。本文提出了识别Android应用作者的方法,并从恶意应用创建方式和应用混淆方面刻画恶意应用作者的行为。它们在检测网络攻击者身份、预测其行为等方面具有重要意义,被广泛应用于代码作者身份争议、剽窃检测等软件领域。