随着对移动终端的深度使用,人们将越来越多的个人信息保存在自己的手机上。安卓系统是当下移动终端最受欢迎的平台之一,基于安卓开发的应用程序数以万计,这些应用程序在提供基础服务的同时,也在不断的采集移动终端上的数据以提供更细致的服务,然而安卓自身的权限系统并不能对应用程序的数据获取行为进行有效的风险评估,这就使得安卓用户存储在终端上的个人隐私信息的安全受到了威胁,应用程序未经用户同意收集使用个人信息已经成为公认的违规行为。针对以上问题,本文结合现代隐私保护理论与安卓运行时行为信息提出了一种全新的运行时隐私数据保护系统。本文主要包括以下研究内容:(1)本文从隐私数据传播的角度出发,结合隐私保护理论来对应用程序的隐私数据调用进行风险评估:以往的隐私保护系统多学习用户的隐私意图,而用户隐私意图容易受到个人对隐私数据的重视程度的影响,本文利用语境完整性理论,结合安卓权限模型提出了适用于安卓平台的语境完整性计算模型,该计算模型可以量化隐私数据调用的风险,从而避免了学习用户意图而产生的主观因素干扰,提高隐私数据保护的准确性。(2)为了支持基于语境完整性理论的隐私数据保护系统,本文利用运行时行为信息和语境信息训练多标签分类模型,该模型可以识别安卓运行时语境信息中包含的场景主题。在模型训练过程中分别设计词频特征和主题特征训练基模型,并使用模型融合的方式获取性能更优的次级模型作为隐私决策支持模型。本文通过实验选择出了训练模型的最佳算法和最优参数。(3)本文以语境完整性为理论基础,设计了运行时隐私数据保护系统,该系统基于Xposed框架开发,可以在运行时实时的保护隐私数据。系统分为离线隐私决策辅助模型训练和实时隐私数据保护两个部分。本文设计实验验证了系统在隐私数据保护上的有效性和隐私数据保护系统在安卓终端上的可用性。