随着移动通信技术的快速发展以及移动互联网的出现,移动智能终端在我们的生活中扮演着愈来愈重要的角色,使我们享受着丰富便捷的服务。不过,随着用户规模的扩大以及人们对这方面技术的逐步了解,移动智能终端面临的安全威胁也日益严重。在面临的诸多安全隐患当中,恶意软件造成的危害占据了绝大多数。目前,国内外针对传统PC端恶意软件行为的鉴别分析已有了一些研究成果,但移动智能终端固有的特点使已有的方法和技术无法直接应用,而且在检测率方面有待突破。因此本文提出一种适用于移动智能终端的软件行为安全分析方法,该方法通过对软件的分类鉴别和恶意软件行为的检测,增强了移动互联网络的终端安全。本文以移动智能终端的恶意软件鉴别为研究背景,在Android操作系统环境下,分析移动终端软件的结构特点以及软件运行时的行为特征,引入云端处理和机器学习的思想,设计了移动智能终端软件的静态行为分析方法和动态行为检测方法：静态行为分析经过签名比对,在云端通过分析移动智能终端上的软件的类和函数调用信息来分析软件行为；动态行为检测在云端处理软件运行时调用的系统敏感Native API序列来检测软件行为。综合上述两种方法,本文提出了一套恶意软件行为检测方案。本文采用Weka对提取的软件行为特征进行属性约减,运用交叉验证的方式对方案进行验证和评估。实验结果表明：与传统的软件行为分析技术相比,论文提出的移动智能终端软件行为安全分析方案能够更全面地检测出恶意的软件行为,系统资源占用率更低,检测精度和检测率有所提升,具有一定的应用价值。