當(dāng)前Android系統(tǒng)惡意應(yīng)用程序數(shù)量增長迅猛，然而傳統(tǒng)檢測(cè)系統(tǒng)無法對(duì)其進(jìn)行快速有效檢測(cè)，移動(dòng)終端安全性面臨嚴(yán)重威脅。提出一種將特征加權(quán)與雙向長短期記憶（Bi-LSTM）神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法相結(jié)合的惡意檢測(cè)系統(tǒng)。采用靜態(tài)分析方法從惡意與良性應(yīng)用程序中提取不同類型行為特征，利用特征加權(quán)方法消除噪聲與不相關(guān)因素后構(gòu)建特征向量，使用Bi-LSTM深度學(xué)習(xí)算法優(yōu)化行為特征參數(shù)，并設(shè)計(jì)惡意與良性應(yīng)用程序分類模型，建立特征加權(quán)與深度學(xué)習(xí)算法相結(jié)合的惡意應(yīng)用程序檢測(cè)系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，與支持向量機(jī)、RNN等傳統(tǒng)檢測(cè)系統(tǒng)相比，該系統(tǒng)對(duì)惡意應(yīng)用程序具有較高的檢測(cè)精度與準(zhǔn)確事。