近年来,智能手机已经成为人们日常生活中不可缺少的一部分。广大群众利用智能手机进行即时通讯、上网冲浪、收发电子邮件、拍照、共同参与活动、教学授课等等。安卓操作系统是当下用户使用量最多的智能手机操作系统,它的设计兼顾系统的性能、可用性、安全性与开发方便性,受到众多开发者的欢迎。与此同时,安卓也成为了众多恶意代码开发者的活跃地盘,加快了移动恶意软件的传播。基于安卓操作系统盛行的恶意软件给用户的隐私和财产带来严重威胁。由于安卓的开放性,多数用户未意识到自己在手机第三方应用市场上下载的软件可能存在着较大的安全隐患。恶意软件的类型多种多样,一些恶意软件在用户完全不知情或未授予权限的情况下,获取用户私人信息,包括位置信息、短信内容、通信录列表、各类密码信息等等;另一些通过伪造、篡改、劫持短信、邮件、通信录等方式,诱骗用户以达到不正当目的;还有一些恶意软件能够自动感染设备上的其他文件,通过篡改,删除,终止进程等手段导致设备无法正常工作,破坏手机系统。传统的恶意软件检测方案采用静态分析技术,通过审查已知的恶意特征和代码识别未知安卓应用的恶意模式,但这种方法很难检测出新型恶意软件。后来,研究人员使用动态分析技术实际运行安卓应用来判断是否有恶意行为,然而,动态分析技术并不能将安卓应用的所有运行路径都测试到,同时会导致检测系统产生过度消耗。本文围绕运行在安卓平台的恶意软件给用户带来的隐私安全问题,结合传统的静态分析技术和张量分解技术,提出了两种新型的半监督恶意软件检测方案,最后从多维度对恶意软件进程进行了分析。主要工作包括以下几个方面:(1)本文首先基于张量分解技术提出一种半监督排查安卓恶意软件的系统。该系统使用张量分解技术填充空缺数值,解决样本数据稀疏的问题,并添加规则化函数防止系统过拟合,实验表明此检测方法能够有效地检测安卓未知恶意应用,其精确率高于一些著名的工业恶意软件检测工具。(2)然后为进一步提高恶意软件排查的精确度,提出一种混合型集成学习恶意软件检测方法,利用增强集成学习算法,将张量过滤器作为基学习器进行级联。实验表明该方法能够在不提高误报率的前提下达到更高的精确率。(3)最后对现存的恶意软件进行剖析和研究,收集了189种最新的恶意软件家族,以恶意软件家族为单位,根据8种恶意代码属性,对恶意软件家族进行分类;基于对恶意软件家族的分类情况,从两方面进行恶意软件家族进程分析,一方面从时间方面分析恶意软件类型的分布情况,另一方面进行恶意软件家族的类型关联程度分析,得到4个对恶意软件的发现。