當前Android系統(tǒng)惡意應用程序數(shù)量增長迅猛，然而傳統(tǒng)檢測系統(tǒng)無法對其進行快速有效檢測，移動終端安全性面臨嚴重威脅。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)絡深度學習算法相結(jié)合的惡意檢測系統(tǒng)。采用靜態(tài)分析方法從惡意與良性應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深度學習算法優(yōu)化行為特征參數(shù)，并設計惡意與良性應用程序分類模型，建立特征加權(quán)與深度學習算法相結(jié)合的惡意應用程序檢測系統(tǒng)。實驗結(jié)果表明，與支持向量機、RNN等傳統(tǒng)檢測系統(tǒng)相比，該系統(tǒng)對惡意應用程序具有較高的檢測精度與準確事。