对于开发人员来说,检测引起安卓应用程序能耗漏洞代码的工具是至关重要的。为了分析引起应用程序能耗漏洞的资源泄漏代码,本文构建能耗漏洞检测框架RLOEB（Resource Leak Of Energy Bug）,框架包括能耗漏洞检测模型和资源泄漏模型,可以检测安卓应用程序历史版本间的能耗漏洞,输出引起能耗漏洞的资源泄漏代码。本文基于安卓手机搭建自动化测量平台,收集应用程序运行期间的能耗、系统调用和运行时长,构造实验数据集。本文在递归特征消除法（Recursive Feature Elimination Cross Validation,RFECV）的基础上,提出集合交叉递归特征消除法（Mix Recursive Feature Elimination Cross Validation,MRFECV）。针对以往研究中能耗漏洞检测模型存在特征细化粒度低的缺点,提出保留每个类别应用程序独特的系统调用作为特征,基于每个类别所选特征,构建应用程序分类情况下能耗漏洞检测模型的方法。针对以往资源泄漏模型只输出资源泄漏代码的缺点,加入自动对比上下历史版本的资源泄漏代码,结合能耗漏洞检测模型的输出报告,输出引起能耗漏洞代码的功能。主要工作如下:（1）通过MRFECV选择影响每个类别应用程序能耗的重要系统调用作为特征。在各个类别的测试集,对比基于MRFECV与RFECV所构建的分类与未分类模型的精度。数据显示MRFECV比RFECV所构建模型的预测精度最多提高4.4%。（2）选择线性核支持向量机回归作为应用程序分类与未分类情况下的能耗模型,基于测试集对比分类模型与未分类模型、岭回归、径向基核函数回归、梯度提升决策树回归、随机森林回归基础模型的平均绝对误差,结果显示分类模型的预测精度比未分类模型、岭回归、径向基核函数回归、梯度提升决策树回归、随机森林回归的基模型最多提高6.7%、4.8%、2.6%、2.9%、8.4%。（3）选择分类模型作为能耗漏洞检测模型。通过RLOEB框架中的能耗漏洞检测模型预测Antenna Pod音乐、VLC视频、Taz小说的历史版本的能耗,计算历史版本的能耗差判断是否出现能耗漏洞,资源泄漏模型对出现能耗漏洞的历史版本检测,通过对比上下历史版本资源泄漏代码,成功输出引起能耗漏洞的资源泄漏代码。