近年来,随着智能手机的普及,Android应用数量呈爆发式增长,而其中的恶意软件数量也随之增长。如何有效的检测出隐藏在正常应用中的这些恶意应用,为用户提供有效的鉴别信息,已经变得越来越重要。本文从实际需求出发,对国内外的Android恶意代码检测系统进行了深入的研究,设计出满足当前用户使用需求的恶意代码检测系统。本系统在设计阶段针对N-GRAM算法提出适合于Android应用操作码的精简方法,并深入研究了多个分类算法,结合实际情况,选择出最适合本系统的分类算法。本文实现了基于N-GRAM的恶意代码检测系统,开发过程严格按照软件工程的方法与理论进行,首先使用UML对系统进行设计,Visio完成系统设计图;然后在需求分析部分从业务、功能、数据三方面对系统进行了完整的分析。其次系统设计部分,采用类图、时序图与活动图对系统进行了设计,最后结合实际并参照数据需求分析部分设计了数据库表。在系统实现部分,在阐述了系统总体架构之后,对各个模块的实现效果进行了展示,并列出了核心的代码。论文开发实现的基于N-GRAM的恶意代码检测系统是以Mongodb数据库为后台数据库,ExpressJS作为Web应用框架,AngularJS为前端MVC框架,Node.js作为并发异步事件驱动的Javascript服务器后端开发平台。通过对系统的实现与测试,能够有效的检测出隐藏在正常应用中的恶意应用,为用户提供安全的保障与决策支持。