移动应用的行为是否恶意,与用户对该应用的期望相关。例如,一个地图导航应用获取用户的位置信息是合理的,但一个声称只有计算器功能的应用获取位置信息会被很多用户拒绝。相关工作提出通过检测应用描述和应用行为的不一致性来检测恶意应用。然而,目前Android应用具有的一个特点是广泛使用第三方库。有研究表明,Android应用中平均大约60%的代码都是属于第三方库中的代码,第三方库的使用会对应用异常行为的检测造成一定的影响。因此,基于自然语言处理、机器学习和第三方库识别技术,本文实现了一个改进的基于描述的Android应用异常行为检测工具。首先,本研究使用自然语言处理技术对所有应用的描述进行自动化分析,使用遗传算法和K-means++算法相结合的方式对所有应用的描述进行聚类并寻找最合适的聚类数目,得到相似描述(功能)的应用集合。然后对应用静态分析,检测应用中的第三方库,并分析应用的敏感行为。最后,相似描述的应用集合中的具有异常行为的应用即被检测为可疑应用。本研究对Google Play应用市场中27.6万余个应用进行分析,实验结果验证了所提出方法的有效性且说明了第三方库对Android应用的异常行为检测有较大影响。