近年来智能手机越来越多的融入人们的生活,Android作为智能操作系统中用户最多的一种却面临严峻的软件安全威胁。为了应对这个问题,Android平台上的恶意应用检测技术有了长足的发展,但在国内外现有的检测技术中,无论静态方法还是动态方法,都存在方案复杂,高度依赖人工等缺点。在研究了 Android系统结构、安全机制和恶意应用检测技术的基础之上,本文提出了一种基于AndroidManifest文件信息的恶意应用检测方法。该方法保持了传统权限检测的高效性,同时在一定程度上提升了检测效果。实验结果表明,在使用AndroidManifest文件信息结合贝叶斯分类算法,分类的准确率能够达到84.707%,对于恶意用的检出率能够达到87.1%,对于普通应用的错检率降低到16.7%。首先,本文对采集到的恶意应用和普通应用样本进行了反编译和统计分析,发现程序对于组件的使用情况在不同类别样本中表现出了统计规律上的差异,它与应用使用的权限一样,可作为判断程序类别的依据。接下来,本文使用卡方检验的方法对Android关键权限进行了筛选,又提出了一种基于信息增益最大化的Android组件信息量化方法,最终提取了AndroidManifest文件信息,利用该信息,本文提出了基于AndroidManifest文件信息的恶意应用检测方法。本方法本将AndroidManifest文件信息作为分类的关键特征,对比了决策树、朴素贝叶斯和KNN算法的性能,实验结果表明,朴素贝叶斯算法在本应用场景下,对于恶意应用的检测效果好于其他两种分类器。最后本文又针对朴素贝叶斯算法的特性,提出一种降低特征属性项之间相关性的方法,对原有的检测方案做出了改进。实验结果表明改进后的方法保持了原来的检测效果,降低了特征向量维度。