移动互联网技术的迅速发展,使越来越多的智能设备走入了人们的生活之中,智能手机行业也随之兴起。由于Android系统占据着全球手机操作系统市场较大的市场份额,同时由于其开源性这一特点,使Android平台饱受恶意软件的侵袭。Android恶意软件的泛滥给用户带来巨大经济损失的同时,也对Android系统的未来造成了不好的影响。因此,针对Android恶意软件检测方法的研究成为了目前的研究热点。本文首先对Android平台架构、Word2Vec词向量训练模型和卷积神经网络进行了详细的分析,为后续提出的检测模型打下理论基础。然后,本文提出了一种基于操作码特征的Android恶意软件检测模型。首先,该模型提取Android应用的操作码序列特征,利用操作码序列训练Word2Vec模型得到操作码词向量并构造操作码特征矩阵;其次,利用操作码特征矩阵训练卷积神经网络,实现恶意软件的检测分类;实验结果表明,检测模型具有较好的恶意软件检测效果。最后,针对检测模型中仍存在的不足,提出了一种操作码指令分类简化方案,利用该方案对操作码特征进行进一步的简化和扩展,构造应用程序的指令功能序列特征,同时设计了双通道卷积神经网络对操作码特征和指令功能特征进行了整合。对比实验表明,该指令分类简化方案能够有效的提高模型的检测效果;与其他模型的检测效果相比,本文模型也具有一定优势。