随着移动互联网和智能手机的快速发展,智能手机已广泛应用于人们办公、学习、娱乐、理财、消费、购物等各个方面,成为人们工作和生活的必须。但,伴随手机应用发展的同时,各种恶意应用也在不断更新,导致用户私人信息被窃取、恶意扣费和被远程控制等事件经常发生,严重影响用户的正常使用。针对手机恶意应用的检测技术一直是信息安全领域学者们研究的热点问题,特别是针对占据了市场主导地位的安卓(Android)智能手机,由于Android操作系统的开放性和应用的广泛性,其恶意应用也层出不穷。Android恶意应用检测技术从基于签名的检测到静态检测和动态检测在不断发展,对恶意应用检测的速度和准确率也在不断提高,但一种能够更准确地检测Android恶意应用的检测方法仍被迫切需要,这也是当下人们对及时阻止和防范恶意应用造成破坏的期望。对于Android恶意应用检测模型的性能提升主要可分为两个方面,一是选取更优的特征组合,二是选取更优的分类算法。在分类算法确定的条件下,恶意应用检测系统的性能取决于特征的选取,所以选取更优的特征组合成为了提升Android恶意应用检测性能的重要因素。本文在研究Android恶意应用检测方法的基础上,提出了恶意应用检测的重要静态特征和组合特征选取模型与方法,以及重要特征选取的优化模型与方法,并通过实验进行了验证。本文的主要研究内容和创新点如下:1.提出了基于随机森林评分的恶意应用重要静态特征选取方法。选取了权限,敏感api,并考虑权限的申请使用率和敏感api申请的使用率作为特征,对恶意应用进行多种静态特征的提取,通过分析特征出现的次数,并利用随机森林算法计算每个特征对分类结果的重要程度,将每类特征进行筛选与优化,做到特征合理准确的提取,并将对于分类贡献大的特征进行重复以增加其权重,从而增强Android恶意应用检测模型的检测准确率。2.提出了基于特征交叉的恶意应用组合特征选取方法。将动静态特征结合,通过小批量梯度下降算法分析各种类特征对检测模型的贡献得出重要特征,通过Aprior关联性选取出特征频繁项集,再将二者进行交叉比对,得到组合特征对Android恶意应用进行检测,改进了传统的只基于单特征的检测方式,增强了特征的多维性,从而增强Android恶意应用检测模型的检测准确率。3.提出了基于改进人工蜂群算法的恶意应用重要特征选取优化方法。通过轮盘赌和帕累托分析对选取的特征进行筛选,在改进的人工蜂群算法中,将训练样本的检测准确率作为蜂群的目标,将不同特征的组合作为蜂群寻找的位置,采用封装式特征选择,将分类算法与特征组合进行一一对应,从而得出对于Android恶意应用检测模型最优的特征组合,从而增强检测模型的检测准确率。