如今移动设备已经广泛地覆盖了人们的工作生活当中,智能手机是最普遍的移动设备,越来越多的人在智能手机中进行社交,购物,娱乐,工作等行为。不仅如此,由于网络监管越来越严格,很多智能手机上应用的账号注册需要实名制,因此移动设备中,存储了用户大量的个人隐私信息,这些移动设备上的隐私信息,成为了恶意病毒的重点攻击对象。由于Android系统是占有智能手机的绝大多数系统,因此各种Android应用大量地出现在Android应用市场中,而这些Android应用中,隐藏着各种恶意应用,这些恶意应用能够窃取用户隐私信息,限制用户正常使用设备,对使用者造成了极大的威胁。因此,对于Android系统上的恶意应用的检测的研究是如今网络安全研究的重要课题之一。本文通过分析现有Android恶意应用攻击方式,反检测方法。分析了现有的检测恶意应用的方法存在的不足以及可以改进的部分。结合了Android系统的系统机制,设计了一个基于行为特征值序列的检测方法,并实现基于此方法的系统。本文的主要研究成果如下:(1)设计了一种基于行为特征值序列匹配的恶意应用检测方法。该方法通过Hook敏感API的方式得到恶意应用样本的行为特征值序列,并得到同一种类的恶意应用的行为特征值序列。将检测对象应用的行为的行为特征值序列与恶意应用的行为特征值序列进行匹配,匹配相似度超过阈值,则可以评定为恶意应用的方法。此方法对于反静态检测的恶意应用有良好的检测效果,并且此便于维护更新,能够达到较高的准确率。(2)开发了一个基于行为特征值序列匹配检测方法的C/S检测系统。系统分为客户端与服务器2个部分。客户端是运行在Android系统的软件,监听应用对敏感函数的调用,作为检测对象应用的行为,按照时间顺序将将其排列为行为特征值序列,并将其上传到服务器端。服务器端有存储恶意行为特征值序列的数据库,与检测对象的行为特征值序列进行匹配检测,得到检测结果。(3)提出了一个由三个集合组成的检测结果判定方案。一个集合是用于存储行为特征值匹配成功的恶意应用类型;一个集合是存储没有被存在于任一匹配成功的恶意行为特征值序列中的单个恶意行为;一个集合存储可疑的恶意序列,表示虽然匹配结果为良性软件,但是有可疑的行为特征值序列的情况。此方案有效检测变种或者新型的恶意应用。该论文有图16幅,表17个,参考文献88篇。