随着网络的发展和智能手机的普及,手机病毒日益增多,种类也更加丰富。手机病毒不仅破坏用户数据还盗取用户隐私,对用户造成了极大的伤害,如何有效地对手机病毒进行监测并防范成为了社会各界广泛关注的问题。由于病毒会造成手机用户的行为具有异常性,并且隐藏着一定的规律性,所以使用数据挖掘技术可以挖掘出具有代表性的手机病毒行为特征,从而能够准确且主动地检测出手机病毒。目前将数据挖掘技术应用到手机病毒挖掘中存在的问题有:(1)单机版的手机病毒挖掘系统在处理海量数据时运行效率低;(2)目前己有的应用在手机病毒挖掘中的技术大多没有考虑到病毒行为之间的时序关系;(3)大多数手机病毒挖掘系统功能单一,用户不能自主快捷地使用系统,也不能直观的对手机病毒挖掘结果和检测结果进行有效性分析。针对以上问题,本文重点研究基于分布式计算框架Spark的闭合序列模式挖掘技术,并在此基础上设计并实现了手机病毒挖掘系统。本文的主要工作为:(1)分析Spark框架的核心工作原理。并基于三台Ubuntu系统的计算机搭建了分布式的Hadoop集群和Spark集群;(2)分析单机版闭合序列模式挖掘算法CloTSP的实现原理。结合该算法和大数据处理量的特点,设计基于Spark平台的并行化闭合序列模式挖掘算法S-CloTSP,并使用Scala语言进行实现。通过实验验证了算法的有效性,并分析了并行化改进效果;(3)将并行化闭合序列模式挖掘算法S-CloTSP应用到手机病毒挖掘中,设计与实现了手机病毒挖掘系统。一方面,系统对具有时序性的病毒行为进行闭合序列模式挖掘,不仅考虑到了行为之间的时序关系,而且有效的解决了频繁序列集中含有大量冗余的问题,基于Spark的后台业务运算更使系统适用于海量的数据挖掘,提高了挖掘效率。另一方面,系统为用户提供可视化Web界面,用户通过简易的点击拖拽等操作便可自主挖掘潜在的手机病毒行为特征,并根据特征集对未知数据进行检测。系统将检测结果以丰富的图形进行迅速直观的表达,可以帮助用户快速的在数据中自主发现结论;(4)最后对系统进行了性能测试和功能测试,实验证明该系统具有有效性和可用性,在手机病毒挖掘领域具有重要价值。