Android设备拥有用户大量重要的隐私信息,因此,这成为很多恶意Android应用程序攻击的目标。恶意应用程序在用户无察觉下频繁地泄漏隐私信息,给手机安全带来很大的威胁。在隐私信息泄露检测中,通常基于数据流进行污点分析,然而代码中的动态特性带来很大的挑战,因为动态特性会形成数据流的断点,阻碍污点传播分析。为了弥补数据流断点,通常以动态测试获取断点信息,弥补数据流分析中动态特性断点。但是目前研究方法大多采用动态随机测试,没有对动态特性触发因素进行深入分析,覆盖不全,导致动态特性信息的遗漏,使隐私信息泄露分析不完整。因此,本文研究了隐私信息泄露检测中的动态特性分析方法,动态测试以静态分析为指导,挖掘动态特性信息,保证路径敏感和上下文敏感,提高隐私信息泄露分析的覆盖率和精准度。本文研究工作如下:(1)分析、总结了隐私信息泄露检测中的动态特性分析的相关工作和问题。随机测试很难保证触发动态特性调用,动态特性触发依赖于特定的调用路径和参数约束,不同的路径和不同的参数输入可以触发不同的动态特性目标,所以动态特性分析的关键点是准确区分不同的路径,并对每条路径进行参数分析。(2)提出了一种Android隐私信息泄露检测中动态特性信息获取方案。首先,分析动态特性在代码中使用的特点,基于组件间和组件内的调用图,面向动态特性调用反向提取所依赖的动态特性调用子图,以减少不必要的代码分析,把分析限制在较小的程序代码上。其次,根据目标参数不同的定义-使用关系,对调用子图划分动态特性调用路径,基于每条调用路径的切片信息进行分析,提取调用路径的参数约束。最后,根据动态特性调用路径和提取的参数约束,生成测试案例,把测试案例输入,指导动态测试获取动态特性信息。(3)根据所提方案,实现了一个动态特性分析的隐私信息泄露检测原型系统DFanalysis。经实验测试、分析了动态特性触发率、动态特性触发效率、隐私泄露检测能力以及方案适用性等方面,验证了方案的有效性。