随着3G、4G甚至5G的诞生和发展,移动数据带宽的不断提高,移动互联网时代已经改变了人类的生活方式。同时,智能移动设备也在快速发展和广泛普及中。在2015年,智能手机和平板设备的市场出货量已经达到了14.3亿台,其中81.2%的设备运行Android系统。作为智能移动设备的主要平台,Android的安全问题受到了各界的广泛关注,行之有效的Android平台上的恶意软件检测技术的研究和应用也变得尤为重要。在此背景下,本文分析了Android平台下的恶意软件检测的现状,比较了各种检测方法的优劣,并提出了基于机器学习的Android平台恶意软件动态检测框架。为了验证了框架的有效性,本文收集了相应的实验样本数据库,进行了框架恶意软件实际检测的实验。论文首先从技术基础背景方面,介绍了Android系统的基本情况和其安全机制,恶意软件的概况、恶意行为以及相应的检测技术,而后进一步介绍了论文采用的动态检测技术以及智能恶意软件识别方法。在此基础上,本文提出了基于机器学习的动态检测方案并描述了方案的细节,提出利用Strace以及DroidBox两种动态特征来进行机器学习的分类判别。论文的下一部分阐述了实验具体设置以及实验验证的结果和分析。Android平台下的恶意软件仍然在飞速发展,各种新型的恶意行为不断出现。本文提出的基于机器学习的恶意软件检测方案是有效的应对方案,值得未来进一步研究。