熊 健，覃仁超，何梦乙，刘建兰，唐风扬

西南科技大学 计算机科学与技术学院，四川 绵阳621000

近年来智能手机已迅速成为极为流行的计算平台，使用智能手机的人群日益庞大。其中Android操作系统在智能手机操作系统市场占领绝对优势，成为使用量最多的移动端操作系统。此外，其开源性和开放性也使得它成为了越来越多黑客的攻击对象。《2018 年中国手机安全状况报告》[1]显示，360互联网安全中心在当年共截获约434.2万个新增Android恶意应用样本，平均每天新增约1.2 万个。为减少Android 恶意应用给用户带来的危害和损失，Android 恶意软件的检测成为近年来一项热门的研究。

国内外针对Android恶意应用检测方法做出了许多研究。目前分析Android应用的技术主要包括静态检测和动态检测技术。静态检测技术就是在不执行应用的条件下，利用反汇编分析的技术。由于其具有不需执行应用、检测开销低等优点成为了众多学者采用的方法[2]。Şahin等人[3]对权限进行了系统地分析并提出了给权限分配权重的方法，采用k近邻（KNN）和朴素贝叶斯（NB）方法与已有的研究进行比较；Westyarian 等人[4]提出了利用API 类来检测Android 恶意软件，并使用机器学习来区分恶意应用，使用交叉验证和百分比分割测试来验证分类的准确性；Ju[5]提出一种静态检测的方法，该方法利用程序的权限和包；Yuan等人[6]提出了一种基于贝叶斯分类的Android 应用程序自动分类的有效方法，从应用程序本身和Android market 中提取出应用的权限和字符串作为分类特征；Li等[7]提出一种基于静态分析的方法，通过提取权限和API 调用函数作为特征来训练支持向量机（SVM）算法；……