随着移动互联网的发展,越来越多的移动应用程序（APP）在互联网上被开发和发布,各大APP应用商店也应运而生。但是现阶段网络上有诸多的含有风险的APP,它们或传播了不良信息,或侵犯用户隐私。对于网络安全分析人员来说,全面的APP信息有助于甄别APP的风险程度。每当业务人员发现一个风险APP,发现此APP的相似APP也至关重要,因为与风险APP相似的APP有极大可能存在风险。如何从大规模的APP中计算出风险APP的相似APP,不仅可以帮助网络安全分析人员更加快速地找出潜在风险,也可确保APP网络空间的安全。现有的APP风险识别方法主要基于APP数据库来进行建模,然而APP的数据来源通常是多源,且属性之间存在异构性,这就导致基于APP数据库的风险识别方法难以对APP之间语义信息进行共享与重用,从而无法在风险识别任务上取得很好的效果。另一方面,现有的相似APP计算方法没有进行一步考虑APP元数据中内容的特征,即对文本数据和结构化数据不做区分,因此这些方法无法较好地获得APP的准确语义表示,继而无法难捕捉到它们之间细粒度的相关性。为了解决以上问题,本文基于多源异构数据构建了一个APP知识图谱。在构建的知识图谱上,提出了一种基于网络表示学习和知识图谱表示学习混合嵌入的方法来计算APP之间的相似度,并进一步设计了APP风险识别系统。本文的主要贡献有如下三点:（1）构建了一个APP知识图谱。本文从多种信息源中使用实体识别、关系抽取技术来抽取APP相关的实体信息和实体关系,并利用实体对齐技术来进行知识图谱的融合,通过真实的数据确定了上述技术选型后构建出一个APP知识图谱。（2）提出了一种基于网络表示学习和知识图谱表示学习混合嵌入学习的方法。本文针对构建的APP知识图谱,利用网络表示学习模型和知识图谱表示学习模型来对APP知识网络中的节点实体进行编码,并基于边的信息熵的方法来增强对新增APP的向量表示,最终通过余弦相似度计算APP之间的相似度。（3）设计了一个APP风险识别系统。基于本文提出的混合嵌入学习方法,本文设计了一个APP风险识别系统,经过多种测试,系统满足各项性能指标和功能指标,最终达到APP风险识别效果。综上所述,本文利用知识图谱技术构建了一个APP知识图谱;在其基础上提出一种混合嵌入学习的相似APP计算模型并验证了其有效性;最后实现了一个基于相似APP计算的APP风险识别系统并测试了系统的功能和性能。