随着移动互联网和硬件技术的快速发展,智能手机和手持设备已经成为人们生活中不可缺少的一部分。其中,Android系统和Android应用占据了智能手机市场最核心的位置。Android操作系统的成功在一定程度上归功于组件间通信(Inter-Component Communication,ICC)模型。ICC模型将应用划分为可以在单个应用内或多个应用间交换数据的组件,促进了松散耦合应用程序的开发。但是,ICC提供的消息传递机制可能会被恶意应用程序滥用,从而导致用户隐私信息泄露等问题。因此,针对ICC模型进行安全性分析是很有必要的。大部分ICC分析方法存在以下不足:第一,缺少对组件间意图修改(Inter-Component Intent Revision,ICIR)的相关分析,导致后续的污点流分析可能会漏报与ICIR相关的隐私泄露;第二,通过ICC分析得到的ICC值可能不精确,使得污点流分析工具产生大量的误报。本文致力于研究基于概率分析的Android应用组件间通信分析方法来解决上述问题。主要工作内容如下:(1)根据现有ICC分析方法的缺点以及Android应用组件间通信模型的特点,提出了一系列优化方法。首先,通过分析模型得到ICIR完整的属性值,并通过插桩方法实现对ICIR的分析,从而得到包含ICIR的ICC值;然后,根据Android文档设计了一种Intent匹配算法,并根据匹配结果生成所有可能的ICC Link;接着,为了更清晰地表现出源Intent和ICIR的关系,将ICC Link模型扩展为ICCFlow(Inter-Component Communication Flow);最后,采用概率的方法对ICC分析结果进行分析,从而得到更加精确的ICC Link。(2)实现了基于概率分析的Android应用组件间通信分析工具ICCAnalyzer。该工具不仅增加了对ICIR的ICC分析,构建ICCFlow结构,还增加了概率分析。除此之外,还提供了面向静态污点流分析工具IccTA的接口,将优化后的ICC Link提供给IccTA,使得污点流分析的结果更加完整,误报减少。(3)设计了一系列实验用于评估ICCAnalyzer工具的正确性和有效性。实验结果表明,ICCAnalyzer能够正确且有效地执行包含ICIR的ICC分析,并且通过概率分析能够优化ICC分析结果,使后续的污点流分析结果更加完善、精确。此外,与Icca工具进行了对比。结果表明,不管是在ICIR分析方面,还是在处理不精确的ICC值方面,ICCAnalyzer的性能均优于Icca。