随着安卓恶意应用的不断演化,恶意应用从单一的攻击手段演化升级为复杂的多功能多用途攻击方式,对用户隐私安全以及设备安全带来了巨大的威胁。安卓恶意软件检测以及恶意家族一直都是学术界研究的热点领域,虽然学术界已有很多种恶意家族分类工具,但是缺乏一个全面的安卓恶意应用家族知识图谱来理解恶意家族的特征,同时这些分类工具大多只是识别单个标签,无法准确地识别出具备多个家族特征的恶意应用的全部家族标签。本文的主要工作是设计并实现一款基于知识图谱的安卓恶意家族多分类工具,本文完成的主要内容如下:（1）设计并实现了一种半自动化的安卓恶意样本集构建方法,从安全报告中提取出恶意应用家族名称和样本标识符,再根据标识符收集恶意样本APK文件,构建了一个包含116个恶意家族4,247个样本的最新样本集。（2）开发了一个自动化的安卓应用特征提取工具,能够快速从样本APK文件中提取出应用的静态特征,提取出了安卓应用中四个层次十三个不同维度的特征。（3）在收集的最新恶意样本集的基础上,构建出了一个包含22个恶意家族,3,524个恶意应用样本,308,904个节点,1,110,898条边的恶意家族知识图谱。（4）设计并实现了基于知识图谱安卓恶意家族多分类工具,利用机器学习相关算法实现了两类不同的多标签分类工具,在具备两个家族特征的5,000个样本测试集上的进行测试,采用ML-KNN算法的基于特征语义的分类器的准确率超过90%。实验结果表明,本文实现的基于知识图谱的恶意家族多分类工具能够用于对具备多家族特征的安卓恶意应用进行识别和分类。