由于移动互联网的快速发展,移动设备已经成为成为现如今人们生活各个方面的必需品,伴随着Android系统在市场份额中的占有率越来越高,截至到目前为止,Android系统的用户已经占据了市场份额的半壁江山,基于Android系统的应用程序已经成为了人们生活中不可或缺的一部分,从而吸引了一大批开发者来开发上线自己的应用程序。然而由于Android系统的安全机制不完善、开发人员安全意识淡薄等原因以及许多应用商店缺乏有效的漏洞检测措施等,导致许多Android应用程序的漏洞从开发到发布都没有得到修复与改进,这导致许多攻击者潜入空中,给用户和平台带来了许多损失。因此如何有效的检测出Android应用的漏洞成为了当今Android平台迫在眉睫的事情。目前针对Android应用漏洞的检测方式可以分为三种:静态漏洞检测,动态漏洞检测,混合漏洞检测。在近些年,Android应用漏洞检测领域得到了飞速的发展,但是现有的Android应用漏洞检测方法仍存在许多不足,如漏洞检测效率低下,检测不全面,精度不够高等。以动态加载漏洞为例提出了一种基于逆向工程与机器学习的Android漏洞检测方法。该方法使得漏洞检测效率更加全面有效。围绕该方法,完成了以下工作:(1)对Android的系统结构、应用结构及安全机制做了深入的研究。对现有比较成熟的Android应用漏洞的检测手段做了详细的介绍。(2)对于现有脱壳技术会造成数据丢失问题做了研究,提出了一种基于内存Dump的解决方案,Dump文件是内存镜像,存放程序运行时信息,结合Hook技术,可以获取程序运行时动态脱壳之后的dex文件。(3)针对从Android应用中提取到的原始特征集合比较庞大导致检测效率低下问题,改进了ReliefF特征筛选算法来对原始特征集合进行特征提取,从而提高漏洞检测效率。(4)由于一种类型的漏洞存在多种实现形式、不同的漏洞危险级别也不同,传统二分类算法与等代价多分类算法存在局限性,针对该问题设计了一种多标签代价敏感集成学习分类算法来对漏洞进行分类。(5)对构造的检测方案进行了实验,采用了覆盖率、汉明损失、子集精准率作为实验指标,在数据集上进行了实验,并与现有的检测方案进行了对比,验证了该方案的有效性。