随着移动互联网技术的不断发展,越来越多的人使用智能终端作为自己在工作、生活中的助手,智能手机的普及给人们的生活带来了极大的便利。与此同时,手机病毒也随之出现并快速蔓延,成为一个不可忽视的问题。手机病毒会窃取用户的隐私信息,消耗用户资费,影响手机正常功能使用,危害用户的利益和网络安全。目前的病毒检测技术主要分为动态监测和静态分析两类。这两类算法需要人工建立病毒数据库,并通过病毒特征码的对比来达到病毒识别的目的,智能性较低。BP神经网络是由反向传播算法为指导思想,一种多层的前馈型网络,是如今众多神经网络模型中最为成熟,使用最多的网络模型,具有很强的自学习、自适应性。本文是基于BP神经网络设计的手机病毒检测算法,在智能性及高效性上有显著提升。经过学习和实验研究,完成了以下工作。首先,对手机病毒进行处理,通过反编译获取病毒模块源代码,然后进行碎片化处理,通过特征码分析法提取病毒特征码信息。对病毒类型进行整理,采集训练样本及测试样本。其次,给出了基于BP神经网络的手机病毒识别算法,并通过MATLAB平台进行模拟及训练,最终达到训练效果,提升算法识别率,证明了该算法在本课题研究中具有可行性,并指出课题存在的问题以及后续研究方向。