Android作为一种基于Linux内核的开源移动操作系统,因其开放性广为流行。Android系统的开放性在给开发者和用户带来方便的同时,也导致了大量的基于Android平台的恶意软件的产生,这些恶意软件严重影响了Android操作系统的生态环境,损害了用户的利益。因此,针对Android操作系统的安全机制和恶意软件检测的研究成为移动安全领域的重中之重。本文研究基于函数调用图的Android恶意软件检测算法,已有的研究工作表明,提升Android恶意软件检测模型性能的关键在于特征的选择使用,在一定程度上来说,恶意软件检测领域的特征工程比分类模型的选择更为重要。本文对现有模型的不足进行分析并提出了一种基于图卷积网络的Android软件函数调用图特征提取算法,在一定程度上提高了Android恶意软件检测模型的准确率。本文主要研究内容如下:(1)分析总结了现有的Android恶意软件检测技术中存在的问题,即现有的研究中所使用的静态特征如权限等无法反映出Android软件的行为特征,同时现有的动态分析手段也有一定的局限性。(2)对于恶意软件检测问题,软件的行为特征和其他静态特征同样关键,其作用不可忽视。鉴于现有动态分析技术的局限性和复杂度,针对Android软件进行静态分析以构建行为特征的重要性不言而喻。本文创新地从函数调用图这一静态特征中提取Android软件的行为级特征表示,研究了基于图卷积网络的Android软件特征提取算法,提高了Android恶意软件检测模型的准确率。(3)对基于函数调用图的Android恶意软件检测模型及系统进行了实现和测试,测试结果显示该模型相对于传统模型具有一定的先进性。本文主要研究了基于图卷积网络的恶意软件特征提取算法,结合传统机器学习算法实现基于静态特征的Android恶意软件检测模型,并结合实验证明此模型相对于其他模型在性能及效率上均有一定的提升。