当今社会,以智能终端为代表的移动互联网设备,逐步替代传统的个人计算机,正成为人们随时随地进行网络互联并获取信息的便捷通道。其中,拥有庞大市场占有率的Android终端,更加吸引不法分子开发恶意Android应用程序来牟利。准确高效的分析Android应用程序的安全性,对于信息安全研究技术的发展,尤其对只能访问第三方应用商店的中国Android系统用户具有重要意义。本文以Android应用程序安全分析技术作为研究内容,对主流的Android应用程序安全分析技术进行总结和对比,在静态分析技术和动态分析技术的优缺点具有明显的互补性的基础上,提出一种静态分析和动态分析相结合的Android应用程序安全分析技术思路。其中静态分析阶段本文提出一种基于D-S证据理论的静态分析方法,该方法选取能表征应用程序特性的信息形成特征指标,利用层次分析法求取每个指标对于Android应用程序具有恶意性质的目标的影响权重,最后以出现的指标权重值进行基本概率分配,以此计算信任度。该方法对于具备不确定性的问题能很好处理。动态分析阶段本文提出一种基于改进KNN分类法的动态分析方法,采用余弦相似度来产生距离并对于样本间距离进行时间修正。方法结合现有沙箱检测环境和事件输入技术,采集Android应用程序运行过程中的特征数据,然后综合静态分析阶段获取的特征数据,形成多属性特征向量,最后使用改进的KNN分类器进行分类。以上方法经过200个正常应用和404个恶意软件样本的仿真实验后,分类器识别出恶意软件的准确度为87.5%,由此证明方法具有很好的分析效果。本文基于提出的方法,设计了Android应用程序安全分析系统(AASA)。系统包括3个主要模块:重包装分析模块、静态分析模块和动态分析模块,最后实现的原型系统能够在客户端上传等待分析的Android应用程序,实现对程序安全性的分析,并将分析结果反馈给用户。