随着3G业务的普及,我们已经从传统的PC时代进入移动互联网时代。智能手机作为移动互联网的重要载体,也集成了越来越多的应用和功能,包括视频、音乐、联网以及游戏等。然而,智能手机背后潜藏的经济利益,同样催生了各种针对智能手机的攻击手段。我们在享受智能手机带给我们方便和乐趣的同时,也正在承受越来越严峻的安全威胁。如何有效提高智能手机的安全防御能力,成为业界亟需解决的问题。在这样的时代背景下,本文对基于智能手机的入侵检测技术进行了深入研究,具体工作如下：1.提出了基于增量SVM的入侵检测模型。依照CIDF标准,并针对智能手机的特性,提出了基于增量SVM的入侵检测模型。在该模型的基础上,分析了系统特征的选取方法,并在Android平台上提取了相应的特征形成实验数据集；然后从理论和实验两个角度验证了OCSVM方法应用于入侵检测领域的可行性。2.提出了改进的增量学习方案。根据已有的增量学习方法,提出了改进的增量学习方案,并通过实验验证了方案的可行性；然后从增量学习的角度解释了反馈模块的含义。3.在Android平台上具体设计和实现了该检测模型。研究Android平台的开发技术,从软件工程的角度,给出了系统的总体框架设计以及各子模块的详细设计方案,并对其中的关键技术进行了阐述。最后在真机上测试了应用程序的性能,结果表明应用程序具有良好的表现。