由于APP隐私权限的使用是个不确定性问题,导致通过单个APP申请权限来判断其合理性变得困难。在Android安全问题中,应用的恶意性和其申请的权限密切相关。同一类别的应用具有相似的功能,这意味着同类别软件申请的系统权限也是相似的。对此,借鉴生物学中的种群概念,从种群的视角抽象权限特征,分析种群和权限使用合理性的关联关系。针对种群应用,本文提出了一种基于种群的安卓恶意应用检测方法,首先提取出应用的权限使用情况,接着使用SMO(Sequence Minimum Optimization)算法对应用进行种群划分,将种群作为检测单位,然后利用卡方检验与信息增益算法去除冗余特征,最后基于实验发现的种群算法映射关系,实现面向种群的安卓恶意应用检测。通过实验证明,基于种群的安卓恶意应用检测方法具有高效性与有效性。在现实情况中,检测数据往往是多种群的。因此,本文提出了基于模型库的安卓恶意软件检测方法。模型库方法是通过对多种算法进行训练生成不同识别器作为基模型,基模型构成模型库,经过基模型之间的交叉组合形成模型,不断对这种组合方式进行迭代,找到效果最好的组合模型。通过大量数据对模型库中的算法集进行训练,生成基模型,并使用克隆选择算法的演化来实现基模型的组合,经过演化后,得到效果较好的模型。经过实验验证,本文方法在多种群数据上具有较好的识别效果。