随着智能手机的普及,移动互联网已成为人们生活中必不可少的一部分。Android以其开放性的特点吸引了众多的应用开发者和手机用户,也是市场占有率最高的移动操作系统。同时,Android APP面临的安全威胁越来越多。用户隐私泄露是Android APP中最常见和最主要的安全问题,也是Android安全领域的研究热点。污点分析方法是目前检测隐私泄露的主流方法之一。污点分析可分为动态、静态和混合分析。静态分析是指在不实际运行代码的前提下,对代码进行扫描,提取其中的词法、语法和语义,进一步实现控制流分析和数据流分析,以帮助开发者发现程序中存在的结构性错误和安全漏洞等问题。动态分析是通过在真实或虚拟处理机上执行程序,监控程序执行,并在执行过程中使用插桩的方式获取程序的控制流和数据流,发现程序运行时错误或者潜在漏洞攻击。静态分析代码覆盖率高并且漏报率低,但是无法获取程序运行时的上下文信息,导致虚警率较高;而动态分析可以准确识别程序漏洞或者验证静态代码分析结果,但代码覆盖率较低。本文提出一种自动验证污点分析结果正确性的方法。首先插桩并运行APP获得一条覆盖Source和Sink的种子Trace,然后进行污点分析从而判定Trace中是否存在污点传播路径,是则表明分析结果正确,否则收集Trace的条件约束和污点信息,结合活变量分析和程序变换的方法,设计约束选择策略,对可执行路径集合进行剪枝和遍历,判定是否存在污点传播路径,进而验证分析结果是否虚警。基于FlowDroid框架实现原型系统,对DroidBench和真实APK的实验结果表明该方法能够准确验证静态污点分析结果的正确性,有效排除虚警。