随着移动互联网和移动终端的迅速普及,Android系统和应用内的个人隐私信息吸引了越来越多黑客的目光,移动安全成为了一个不容忽视的问题。应用是Android系统框架中与用户交互最直接的一层,对应用进行较全面有效的安全检测能发掘其中潜在的安全隐患,现有的检测方法或只检测应用某一部分,或检测准确率不高,无法全面有效检测应用安全隐患。对应用中潜在的安全问题进行较为全面的检测,评估应用的综合安全水平,并提供对应安全隐患的修复建议,具有重要的理论意义和实用价值。针对现有Android应用安全检测方法代码路径覆盖率较低、检测准确率较低的问题,提出了一种基于特征规则集的安全检测方法。该方法综合分析AndroidManifest.xml配置文件、Dex可执行文件、签名文件等,利用多种判断条件并考虑源代码不同编写格式,同时添加更多的检测判断过滤规则构建特征规则集对应用进行安全检测。实验结果表明,该方法能较全面发掘应用中的安全隐患,并对其中的安全问题提供修复建议。针对现有Android应用权限泄露检测方法自定义规则不全面导致的准确率较低的问题,提出了一种基于RF(Random Forest,随机森林)算法的权限泄露检测方法。该方法基于静态分析中提取的组件暴露和权限申请等信息,结合应用动态运行过程中所采集到的权限调用和权限检查等信息,通过分析权限泄露特点抽取相关特征并构建特征向量集,采用随机森林算法构建权限泄露检测模型,判断待检测的应用程序是否存在权限泄露风险。实验结果表明,该方法的准确率和召回率较高,能较为有效检测应用中存在的权限泄露问题。设计并实现一个Android应用安全检测系统。系统的主要功能包括检测应用的安全隐患,根据检测的结果对应用进行安全评分,依据综合评分评估应用的安全等级,生成带有检测结果和建议报告。系统检测过程占用的计算资源少、兼容性好,具有较高的实用价值。