随着互联网与智能移动终端的普及,恶意软件也开始向移动终端转移。由于Android系统的开放特性和较高的市场占有率,恶意软件在Android平台传播越来越广泛。为了保障移动端信息安全,需要一种可靠、有效的Android恶意代码检测方法。现有相关检测技术大多在静态分析与动态分析中选择一种,其中前者难以解析加密混淆或动态加载的恶意程序,后者较难覆盖所有恶意行为产生的情况。本论文针对现有检测技术的不足,提出了一种将动态特征与静态特征相结合的Android恶意代码检测方法,分别通过污点追踪与静态解析提取目标应用程序的动态特征与静态特征,并利用深度学习模型进行恶意代码检测。将动态特征与静态特征相结合,能更好地刻画Android应用程序的行为,提高恶意代码检测的正确率;使用深度学习模型对特征综合分类学习,可以将动静态特征抽象到更高的层次,从而实现对较隐蔽的恶意代码的检测。本论文对提出的Android恶意代码检测方法进行了系统实现,并在公开的Android软件样本集上进行了测试。本论文设计实验分析了不同特征维度、不同模型参数、不同网络模型对检测结果的影响,并根据实验结果调节参数、优化模型。实验结果表明,本方法对Android恶意代码的检测正确率在85%到95%之间,具有较强的实用性,可以有效保护Android系统的安全。