随着互联网技术的迅速发展,以Android操作系统为代表的移动终端已经成为人们学习和工作中不可或缺的重要设备,为人们的生活带来极大便利的同时,大量的隐私数据集中于移动终端,一旦泄露会对用户的资金安全产生极大的威胁。除此之外,移动终端较高的使用频率导致隐私窃取等大量恶意软件的开发者将其视为重要目标,严重影响用户的使用体验。与此同时,恶意软件的自我保护、抗检测、抗分析技术也在进步,这就为Android操作系统的安全防护带来了极大的阻力。因此,Android恶意软件检测方法的研究显得尤为重要,它能够为用户的隐私和财产安全带来有效的保障。本文通过对当前国内外Android恶意软件检测方法的分析和研究,在此基础上提出了一种基于权限的Android恶意软件检测方法,其主要内容叙述如下:1)针对当前Android恶意软件检测方法(静态检测、动态检测)进行了整理和分析。对Android体系结构、Android安全机制(权限机制、签名机制、沙箱机制)、Android运行机制(四大组件、启动流程、进程间通信)以及APK文件结构进行了深入研究。2)通过对传统Android恶意软件检测方法的研究,提出了一种基于权限的Android恶意软件检测方法。该方法以评估应用程序在其Android配置文件中请求权限以及使用权限的数量为核心,应用程序若申请了不必要的权限,就会对它们进行风险评估并确定可疑值。因此,可疑值高于平均值的应用程序会被归类为恶意应用程序。利用这种静态分析结合机器学习的方法,可以通过比较可疑值数据来对应用程序进行分类。此外,该方法可以克服利用零日漏洞的应用程序带来的诸多技术问题并且同样适用于新应用程序的分类。3)通过对传统Android恶意软件检测方法的研究,提出了一种基于遗传算法的Android恶意软件检测方法。该方法使用三种不同的机器学习算法分类器(朴素贝叶斯、决策树、支持向量机)利用遗传算法选定的权限子集对应用程序进行分类。结果表明,在对应用程序样本数据集(包含恶意应用程序和良性应用程序)的测试中,支持向量机和遗传算法的组合达到了最佳检测率。