随着移动互联网的迅速发展,移动上网用户成为我国网民的重要组成部分,移动应用的使用也带来了庞大的数据,但目前尚不具备成熟的工具对移动应用的数据进行获取和分析。移动应用为人们提供便利的同时也带来了涉及个人隐私泄露的安全问题,需要对移动应用的行为进行检测,提早发现风险。并且移动应用作为当前新闻媒体的重要发声途径,有着利于传播、方便快捷的优点,这也为谣言等虚假信息的散布提供了条件。针对以上这些问题,本文将主要利用Spring Boot、Vue和ECharts等前后端开发框架设计和实现一个移动应用数据自动化获取和可视化分析平台。不同于普通的网络爬虫,移动应用的数据获取在页面跳转、数据解析等方面都面临不同程度的挑战,本文分别对这些问题提出了对应的解决措施。同时在移动应用运行期间对其进行权限检测和域名访问检测,提前为个人隐私泄露等安全风险预警。本文以搜狗手机助手应用市场和电子科技大学官方微信公众号为例,重点分析了当前市面上移动应用的行为特点和公众号上的文章数据,为移动应用的使用者和微信公众号的维护者提出了参考建议。最后本文还在微信公众号新闻文章的基础上提出了一种基于Bert预训练模型的虚假新闻检测算法,将字向量和词向量拼接,综合不同级别的语义信息,利用卷积神经网络完成对新闻的分类,实验结果证明了该方法的有效性。