1.一种基于卷积神经网络的恶意安卓安装包apk的筛查方法，应用深度卷积神经网络对apk数据集建模，使用apk原始数据作为输入，采用apk的函数调用关系图，根据函数调用设计相应的深度卷积神经网络进行特征自动抽取，由此检测apk是否恶意；分为模型训练过程和用训练好的模型进行apk检测过程；具体包括如下步骤：
(一)模型训练过程具体包括如下步骤：
1)针对apk训练数据集，反编译apk，解析出函数调用关系图；所述函数调用关系图上的每个节点对应一个函数；
2)根据安全敏感函数或高频率函数，针对所述函数调用关系图上的部分节点进行卷积，通过卷积提取得到卷积结果为一个向量，该向量为函数调用关系图上的节点调用的多个函数的信息；
3)将结果传入深度卷积神经网络模型的池化算法层，将相同维数的一系列向量提取成与该维数相同的一个向量；
4)再接入卷积神经网络模型的隐藏层和输出层；
5)根据输出结果和应该得到的正确结果，计算误差，并反向传播，更新深度卷积神经网络模型参数；
(二)用训练好的深度卷积神经网络模型进行apk检测，具体包括如下步骤：
1)对待筛查的apk数据，反编译apk，解析出函数调用关系图；
2)利用训练好的模型，根据安全敏感函数或高频率函数进行卷积；
3)将卷积结果传入训练好的模型的池化算法层；
4)接入训练好的模型的隐藏层和输出层；
5)得到检测结果，即得出待筛查的apk是不是恶意apk。
2.如权利要求1所述筛查方法，其特征是，模型训练过程中的步骤2)根据安全敏感函数或高频率函数进行卷积具体包括如下步骤：
21)选取apk的函数调用关系图上的节点，所述节点对应的函数为安全敏感函数或高频率函数；
22)针对选取的函数节点进行卷积，采用的卷积公式如式1：
其中，p代表此时卷积的节点，为正在卷积的函数；x1，i为节点p直接调用的第i个函数节点，wconv1为对其卷积的参数，x2，i为节点p间接调用的第i个函数节点，wconv2为对其卷积的参数；n1为p直接调用的函数节点的个数；n2为节点p间接调用的函数个数；
23)通过卷积提取得到卷积结果为一个向量，该向量为节点p调用的多个函数的信息。
3.如权利要求1所述筛查方法，其特征是，在模型训练过程中，在采用训练数据集进行模型训练之后，还不断用交叉验证集进行测试；在用交叉验证集测试时，只预测结果，不更新参数；通过不断训练并调整模型参数设定，使得模型在交叉验证集上达到最高准确率；最后用测试集来测试模型，得到的准确率为模型准确率。
4.如权利要求1所述筛查方法，其特征是，所述池化算法采用求和或最大值方式。