近年来，智能手机快速普及，逐渐成为人们日常生活中不可或缺的一部分。在众多的智能手机系统中，Android系统以其免费开源的特点，迅速占领了智能手机操作系统市场。Android平台下丰富的软件应用给人们的生活带来了极大的便利。然而，混杂在正常应用软件中的恶意软件数量也以惊人的速度不断增长，Android平台的安全问题变得越来越严重。因此，如何应对Android恶意软件的飞速发展，以较小的开销准确的检测出Android恶意软件是一个值得研究的课题。本文以静态检测的方式对Android环境下恶意软件检测进行了研究，具体成果如下：①首先，对智能手机的发展历史进行了回顾，分析了移动恶意软件对于智能手机平台的安全威胁。然后，按照检测时机的不同，对三种主要的恶意软件检测方法（动态检测，静态检测和云计算检测）进行了介绍和优缺点分析。最后，对国内外学术界在Android恶意软件检测领域的研究成果以及难点进行了阐述和总结。②针对低开销初步判断Android软件恶意倾向的需求，提出一种从Android权限角度判断恶意软件的检测方法。分析Android权限机制自身的特点,利用特征预处理知识，从权限之间以及权限和恶意倾向之间的相关性入手，进行特征选取和特征去冗余，形成最具代表性的权限特征集合作为分类依据。实验结果表明，在少量特征情况下，获得了一定的检测准确率。作为初步检测方案，具备一定的实用价值。③针对静态检测在应对新型Android恶意软件时，检测准确率下降的问题，提出一种基于集成概率神经网络的恶意软件检测方法。检测方案以逆向获取的高危API作为检测特征，利用概率神经网络用于分类所具备的样本容错性好、追加能力强等特点作为分类器。同时,利用Bagging集成技术,形成差异度大的个体概率神经网络进行集成，进一步提高Android恶意软件检测的泛化能力。实验结果表面，整体检测准确率较高，新样本学习能力强，应用于新型Android恶意软件检测，检测准确率只出现了小幅度下滑，改善了泛化能力。