该论文针对Android应用隐私与安全审计中数据流分析任务存在的重复分析成本问题，提出了一种基于知识复用的系统性解决方案FlowArk。在批处理模式下，多个代理实例分别处理不同的污点源到汇点的数据流分析任务，但由于代码复用导致不同数据流路径共享相同代码片段，传统方法中相互隔离的代理实例会重复分析这些共享代码，浪费API预算并限制可扩展性。FlowArk通过将已完成分析的历史知识蒸馏为可复用的知识候选，并封装成可匹配的知识条目，在后续代理实例的上下文中注入匹配的知识，从而避免重复分析。实验在50个开源Android应用的4,685个数据流分析任务上评估，基于OpenCode实现。结果表明，FlowArk在保持相似分析质量的同时，将端到端API成本降低26.83%，且在100美元预算下完成的任务数比标准OpenCode多36.66%（1060 vs 776）。该工作为大规模自动化数据流分析的高效部署提供了新思路。