在互联网科技的极速发展的驱动下,人们对智能手机的依赖程度已远远超过电脑。Android操作系统为了争取更多的用户占有量的同时体现出自身的很多特点,主要受到关注的是其在手机安全防范的问题上。所以应从APP软件异常检测研究着手,使Android平台成为一个用户满意、放心的好平台。目前的研究主要侧重于在方法上的改进,在特征的选取上仍然局限于以往的研究中。以上方法均未将APP软件和系统运行数据考虑进去,没有对系统日志信息、系统资源消耗状态及APP软件资源消耗状态等因素进行综合分析。因此本文主要从上述方面着手,在不修改系统内核的情况下获取软件运行时软件及系统的资源消耗数据并结合系统日志信息进行挖掘,其次通过引入机器学习的方法,逐渐提高检测准确率。论文主要进行了以下工作:1、获取APP软件运行数据和系统日志信息,APP软件运行数据包括APP软件运行过程中软件及系统CPU使用率、软件及系统内存占用、服务数量、进程个数,系统日志信息为APP软件运行过程中的系统日志信息。2、通过解析并抽取出系统日志信息中的相关内容,并根据日志信息和APP软件运行数据的相关属性进行相互关联,再基于系统日志信息检测APP软件运行数据是否存在异常。3、基于SVM算法和FCM算法提出一种改进的SVM-FCM数据异常检测方法,采用了网格搜索法进行了参数的优化和核函数的选择,针对基于系统日志信息检测到的异常数据进行判断,并通过持续更新算法的训练数据集和数据属性的权重更新,提高APP软件运行数据异常检测的准确率。4、论文设计并实现了相应的原型系统,并通过对比实验表明本文所采用的方法在检测APP软件运行数据是否异常时是可行的。