針對(duì)傳統(tǒng)安卓惡意程序檢測(cè)技術(shù)檢測(cè)準(zhǔn)確率低，對(duì)采用了重打包和代碼混淆等技術(shù)的安卓惡意程序無(wú)法成功識(shí)別等問題，設(shè)計(jì)并實(shí)現(xiàn)了DeepDroid算法。首先，提取安卓應(yīng)用程序的靜態(tài)特征和動(dòng)態(tài)特征，結(jié)合靜態(tài)特征和動(dòng)態(tài)特征生成應(yīng)用程序的特征向量；然后，使用深度學(xué)習(xí)算法中的深度置信網(wǎng)絡(luò)（ DBN）對(duì)收集到的訓(xùn)練集進(jìn)行訓(xùn)練，生成深度學(xué)習(xí)網(wǎng)絡(luò)；最后，利用生成的深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)待測(cè)安卓應(yīng)用程序進(jìn)行檢測(cè)。實(shí)驗(yàn)結(jié)果表明，在使用相同測(cè)試集的情況下，DeepDroid算法的正確率比支持向量機(jī)（SVM）算法高出3.96個(gè)百分點(diǎn)，比樸素貝葉斯（Naive Bayes）算法高出12. 16個(gè)百分點(diǎn)，比K最鄰近（KNN）算法高出13. 62個(gè)百分點(diǎn)。DeepDroid算法結(jié)合了安卓應(yīng)用程序的靜態(tài)特征和動(dòng)態(tài)特征，采用了動(dòng)態(tài)檢測(cè)和靜態(tài)檢測(cè)相結(jié)合的檢測(cè)方法，彌補(bǔ)了靜態(tài)檢測(cè)代碼覆蓋率不足和動(dòng)態(tài)檢測(cè)誤報(bào)率高的缺點(diǎn)，在特征識(shí)別的部分采用DBN算法使得網(wǎng)絡(luò)訓(xùn)練速度得到保證的同時(shí)還有很高的檢測(cè)正確率。