随着安卓操作系统的广泛应用,安卓应用程序的数量日益增长。然而,由于很多第三方安卓应用市场缺少严格的监督和审核机制,导致安卓平台恶意软件及其变种的数量不断增加。这一现象给用户信息安全带来了严重的威胁。如何有效阻止安卓恶意软件的传播和提高安卓系统的安全性,对保护用户隐私信息安全至关重要。本文综合分析了现有安卓隐私保护模型的优缺点,并在此基础上,提出了一种基于机器学习算法的安卓隐私数据保护方案。该方案提供了一个完善的隐私保护策略,主要分为应用程序风险评估模块和隐私保护模块两部分。对于应用程序风险评估模块,它主要是利用机器学习分类算法来检测安卓恶意软件以评估其风险程度,是整个隐私保护方案的核心部分。针对安卓恶意软件检测,我们提出了一种新的混合特征分析方法,该方法结合了静态分析和动态分析方法的优点,提取了权限请求、API调用和动态运行时行为信息作为混合特征向量。此外,本文利用特征选择算法对提取出来的特征信息进行优化,去除部分无用特征。对于隐私保护模块,它主要是根据风险评估表的结果用虚假数据返回不可信应用程序的访问请求,对用户的隐私信息进行保护。用户可以对应用程序所请求的敏感数据设置虚假数据保护,从而根据实际情况给其返回真实数据或者虚假数据。本文中混合分析方法的运用提高了分类的准确率,取得了更好的检测结果。实验结果表明,我们设计的方案可以有效的防止恶意应用获取到用户的敏感信息,并且可以很好地避免应用程序在申请不到所需要的权限时产生崩溃的风险,有效的保护了用户的隐私数据安全。