Android智能终端在我们的日常生活中占据着重要作用,但是近年来也面临着许多的安全挑战,给用户带来了巨大的威胁。如何准确高效地检测Android应用安全是当前研究的热点。本文首先介绍了Android的安全机制及威胁,然后对Android应用安全检测领域中的静态分析技术、动态分析技术和机器学习分析技术三个方面的研究现状进行了归纳总结。并在此基础上提出了一种新的Android应用静动态综合检测方法,包含基于标识信息匹配的重包装恶意软件检测和基于污点分析的多维Fuzzing漏洞挖掘两个部分。最后通过实验仿真证明了所提检测方法的有效性。另外,本文还针对当前SVM-KNN算法在参数寻优和特征权重计算时存在的问题,提出了一种改进的SVM-KNN分类方法。从静动态分析的结果集中提取危险权限、风险机制、敏感调用API和恶意行为等多种特征数据,进行均衡选择和降维处理。使用插值查找法改进支持向量机(SVM)中的网格寻优法,使用特征根法计算各特征权重并结合马氏距离实现K近邻法(KNN)。在实验仿真阶段,通过对比结果表明了本方法具有更高的分类准确率,且搜索时间更短。最后,基于本文提出的方法设计并实现了一种具有三层检测模型的Android应用安全检测系统(AASDS)。分为客户端和服务器端两个部分,能够检测出大部分危害Android系统用户的恶意应用程序和漏洞,并给出应对建议。