随着移动市场的持续发展,移动设备的功能越来越丰富,其应用场景也越来越广泛,在所有移动设备操作系统中,Android的使用率占比远远大于其他手机操作系统。据2017年移动操作系统销售情况数据显示,Android操作系统的市场份额持续同比增长,占据了移动设备销量总份额的87.2%。开源性是Android如此受欢迎的一个重要原因,同时也是一把双刃剑,据调查显示,有99%的恶意软件出现在了Android操作系统设备中。尽管Android恶意应用的增长率在最近的一年里有所下降,但是其总量依然十分庞大,对Android应用的恶意检测和风险评估的研究工作刻不容缓。本文在前人关于Android应用风险评估研究工作的基础上,综合选取多项特征,设计出一个分层的Android应用风险评估特征模块;接着,设计并实现了一个特征数据自动收集系统,大大减少了实验过程中的人力消耗,再以贝叶斯网络为原型进行扩展和改进,以各项基础特征为出发点、以恶意行为为终点构造了风险概率传递关系图,该图可以体现了风险传递的因果关系,对降低Android应用的使用风险有一定作用。本论文的主要研究工作如下:（1）设计了一个Android应用风险评估体系,包括特征提取模块和风险评估模块。通过该风险评估体系能够量化计算Android应用的风险值,让用户对Android应用程序的风险性有一个直观的了解和参考,提高用户用机的安全性。（2）选取前人相关研究工作中常用的特征,再引进多个新的特征,建立了一个多维度的Android应用风险评估特征模块。该特征模块所包含的特征均与Android应用的风险性有较大关系,对全面地评估Android应用的风险值有很大帮助。（3）设计并实现了一个特征数据自动收集系统。安装应用、运行测试、提取数据、卸载应用、整理数据、汇总数据、保存到数据库,整个过程自动化完成,大大减少了实验过程中的人力消耗,对相关Android应用风险评估实验数据提取工作有较好的参考价值。（4）以贝叶斯网络图为基础,对其进行扩展,在各项特征与恶意行为之间建立概率因果关系,形成完整的贝叶斯概率风险模型。该关系模型体现了风险的传递关系,可以让用户了解造成Android应用具有风险性的根本原因,对降低Android应用的使用风险有一定作用。