本发明公开了一种基于增强深度学习的拟态的安卓恶意软件的动态检测方法,该方法中构建了基于增强深度学习的拟态的安卓恶意软件动态检测模型;基于所述模型,所述方法包括:对输入数据进行数据预处理,然后将预处理后的数据输入到异构冗余模型结构中;其中所述异构冗余模型结构包括三个功能等价的异构冗余体,分别为:增强的Long Short Term Mermory network(LSTM)模型,增强的Gated Recurrent Unit(GRU)模型及增强的胶囊网络模型;本发明提供的方法在基于拟态架构的安卓恶意软件动态检测模型中,利用拟态架构和拟态防御原理,使得模型能够自主防御网络的攻击,增强了模型的防御性能。