安卓恶意应用严重威胁用户的人身财产安全,如窃取用户隐私、远程控制设备等。针对这些恶意行为,现有基于网络签名、基于统计特征、基于词汇特征的研究方法,都存在忽略服务器返回至客户端的恶意行为的问题。针对上述问题,本文提出了基于流量文本语义的安卓恶意软件检测方法,设计并实现了基于流量的安卓恶意远控软件检测系统,主要研究成果如下:第一、针对服务器返回至客户端的恶意行为,提出了一个安卓恶意软件检测方法。首先,我们对恶意应用中服务器返回客户端的流量进行分析、发现其恶意行为主要表现为JSON和JavaScript类型。接着,将每一个HTTP流视为文本,并用自然语言处理技术进行文本特征提取,最后根据语义特征建立SVM模型。在使用2000个良性样本和2000个恶意样本进行实验评估后,结果表明,该方法具有识别服务器返回客户端的流量恶意行为的能力,并且检测恶意软件的准确率达到98.15%,优于其他检测方法。第二、从有效检测网络交互的恶意应用的市场需求出发,设计了一套安卓恶意远控软件检测系统,包括前端模块、任务调度模块、流量收集模块、流量检测模块及系统存储模块五个部分。为了保证系统的低耦合性和负载均衡,系统设计了 Redis消息队列来协调任务调度模块进行任务调度工作。为了可以全自动化地提取应用的流量数据,在流量提取模块还专门设计了 一个动态驱动算法。第三、基于上述设计,实现了安卓恶意软件检测系统。系统最终以网页形式展现给用户,可以在线检测出安卓恶意应用并提供相关流量证据。同时,使用多种技术提高了系统性能,比如Quartz集群、Redis集群等;使用Docker技术实现了自动化部署。最后,分别抽取了 20个良性样本和20个恶意样本进行功能测试,样本均被正确识别,且系统可以有效阻止非法文件上传和抵抗sql注入攻击。