近年来,Android应用程序的安全问题越来越严重。据统计发现,将近98%的移动安全问题出现于Android平台。其中,主要的安全威胁来自于重打包应用。重打包应用不但严重损害开发者的合法收益,而且还威胁到用户的隐私安全。更为严重的是,应用重打包正在成为攻击者快速传播病毒的主要手段;周等人的研究结果表明,将近86%的恶意应用来源于重打包应用,而大部分的重打包应用多出现在缺乏检测机制的第三方应用商店。据研究发现,在第三方应用商店中,重打包应用的比例达到了5%-13%。由此可见重打包应用问题的严重性。为有效检测重打包应用,本文提出了一种新的检测方法,该方法兼具高准确性和高效性,实验证明其性能优于现有研究。首先,本文提出一种基于UI资源相似性的多阶段检测方法。检测过程包括快速检测和精确检测两个阶段,快速检测阶段比较图像相似性并基于最大间隔的动态阈值筛选方法筛选相似应用候选集。实验结果显示动态阈值的方法达到了98.52%的过滤率和98.46%的召回率,相比固定阈值的优势是:在保证高召回率的同时达到较高的过滤率。精确检测阶段采用归一化压缩距离衡量布局相似性,该方法具有较高的准确性和比较效率,检测一对应用只需9.5ms,相比之下,基于树编辑距离的方法每检测一对需花费23ms,而基于代码检测的方法每检测一对需要65,000ms。其次,本文基于感知哈希技术对上述提出的检测方法进行改进,有效地提高了方法应对图像篡改的抵抗性。同时,为进一步提高现有方法的检测效率,本文引入LSH索引。通过LSH索引技术实现快速的相关应用筛选,有效地降低快速检测阶段的比较次数,从而在整体上提高检测效率。本文通过实验证明了以上改进的有效性。最后,基于上述检测方法,本文设计并实现了重打包应用检测的原型系统Mirror,该系统可部署于应用商店端进行重打包应用的检测。另外,本文通过反编译、手动安装和借助其他安全检测工具等方法对本文的实验结果进行了详细的分析;总结了重打包应用特有的行为表现并通过重打包应用实例对每种行为表现加以说明。