近年来,中国移动网络市场越来越大,这使得隐匿其中的有害应用也越来越多。提供违规功能的有害应用为了躲避审查,其应用的描述内容常为正常文本,仅从描述信息无法判断是否是有害应用,但通过查看有害应用评论信息中的某些暗语可以发现其中端倪,因此,需要对中国移动应用市场的应用文本进行仔细研究。但由于不能及时发现和了解移动应用暗语,极大地影响了网络安全员对应用的文本语料分析。研究发现,移动应用暗语主要是由目前已被词典收录的已知词语组成,这些已知词语在某些语境中表达出与其本身正常含义不同的某种特殊含义。在自然语言处理领域,对于一词多义的词语,可以通过词义消歧(WSD)的方法来获得词语在某一语境下所表达的正确含义。但目前,词义消歧(WSD)的方法只能对已收录的词义进行消歧,不能对暗语这种未收录的词义进行消歧,从而不能用于中文中暗语发现。对于以上问题,本篇文章提出针对移动应用中文暗语的发现方法并设计出一个移动应用中文暗语及有害应用发现系统,首先针对移动应用中文语料的特点进行多重预处理,并基于改进的Word2Vec模型对暗语语料中的词义是否是暗语语义进行正确的消歧,从而发现暗语,然后通过训练GloVe模型来对暗语进行辅助理解,最后将暗语作为新的文本特征用作有害应用的发现。本文具体研究工作如下:(1)结合语料数据特点,研究现有的新词发现算法,选择合适的新词发现算法对实验数据进行处理,来提升对语料分词的准确度,从而提升词向量训练质量,增加暗语发现数量。(2)提出基于改进的Word2Vec模型的移动应用中文暗语词义消歧方法,根据数据特点提出一种词向量丰富度误差优化方法,设计暗语发现系统,实现对中文暗语的发现,并通过GloVe模型设计暗语语义辅助释义模块,对暗语辅助释义。(3)将发现的暗语作为新的文本分类特征,选取合适的分类算法,设计并实现有害应用分类系统,实现通过应用的文本即可对应用是否属于有害应用进行预测,具有较高准确率。