随着Android手机的普及度越来越大,Android恶意软件的数量也在以惊人的速度增长着。因此,如何实现对这些恶意软件的检测,从而保护用户的隐私和财产安全,已经成为了一个关键问题。以行为分析为基础的Android恶意软件检测凭借其检测的准确性,吸引了越来越多人的关注,已经成为了一种非常有前途的检测方法。我们以此为背景,明确了课题任务,即设计和开发一个Android软件行为分析系统。本文首先介绍了课题的背景、任务以及目前Android软件行为分析方面的相关研究,并详细说明了系统所用技术的相关背景,包括共享库注入、Hook、Binder进程间通信机制以及机器学习。接着,我们从功能性需求和非功能性需求两个方面对需求分析进行了介绍。然后,我们将系统分为了两个模块,即行为拦截模块和行为分析模块,并针对这两个模块结合流程图分别进行了概要设计和详细设计。最后,我们介绍了对系统进行的实验；我们总共使用了1136个实验样本,并且引入了三种评估指标来对系统的实验结果进行评估。本文设计的系统实现了对Android恶意软件的有效检测,其创新点在于：在技术方面,我们有效的将共享库注入、Hook以及机器学习等技术结合起来；在理论方面,我们提出了一个特征加权方法,并将其应用于SVM分类器,最终取得了很好的效果。我们将技术创新与理论研究相结合,最终实现了一个有效的Android软件行为分析系统。