应用克隆问题是整个Android生态圈正在面临的最主要的威胁之一,超过86%的Android恶意软件通过克隆正规应用程序的方式来进行伪装和发布。克隆应用不仅损害了正规应用开发者的利益,同时也对用户的隐私和安全造成威胁。最近的调查显示,越来越多的克隆攻击者利用加固技术对应用中的恶意代码进行加密和隐藏,从而有效地逃避目前克隆检测方法的检测。针对这一问题,本文提出了一种两段式的抗加固的克隆应用检测方法。通过组合使用两种不同粒度的应用特征,本文的方法能够同时实现较高的检测精度和检测速度。首先,我们提出了一种基于应用功能特征相似性的快速筛选方法。通过使用自然语言处理技术和改进的多关键字搜索算法,该方法能够完成所有潜在克隆应用的快速筛选。为了提高精度,本文提出了一种基于应用界面特征的细粒度检测方法。与一般检测方法不同,我们设计了一个基于统计的噪音文件过滤策略Blacklist。Blacklist能够在没有任何先验知识的情况下,自动排除第三方库文件对检测结果的干扰。实验表明,过滤后的检测结果中假阴性率低于1.5%,假阳性率仅为0.06%。此外,本文构造了一种基于界面布局特征的应用胎记Schema layout,可以完全独立于应用的代码特征,因此能够抵抗主流代码加固技术的影响。基于以上方法和技术,本文实现了一个原型系统FUIDroid,并且使用了两组实验数据对系统性能进行了测试。其中包含了 320个加固应用样本的对比实验的结果,证明了 FUIDroid对主流加固技术具有鲁棒性。而模拟现实情况的大规模实验结果显示,FUIDroid能够快速完成目标应用在15万个数据集合中的克隆程序查找。