传统的机器学习算法无法有效地从海量的行为特征中选择出有本质的行为特征来对未知的Android 恶意应用进行检测。为了解决这个问题,提出DBNSel,一种基于深度信念网络模型的Android 恶意应用检测方法。为了实现该方法,首先通过静态分析方法从Android 应用中提取5 类不同的属性。其次,建立深度信念网络模型从提取到的属性中进行选择和学习。最后,使用学习到的属性来对未知类型的Android 恶意应用进行检测。在实验阶段,使用一个由3 986 个Android 正常应用和3 986 个And