FSAFlow 是一种用于 Android 隐私保护的新型混合污点跟踪与控制系统，旨在解决动态污点分析（DTA）在资源受限的 Android 系统上性能开销过大的问题。传统 DTA 原型虽然有效，但因性能瓶颈难以在生产环境中部署。近年来，研究者尝试将污点跟踪逻辑与程序执行解耦以降低开销，FSAFlow 延续这一方向，进一步将路径跟踪逻辑与污点跟踪逻辑分离，并优化信息流路径控制。其主要方法包括：首先，修改经典静态分析算法以搜索目标路径及其关键分支信息；然后，选择可能违反用户预定义隐私保护策略的潜在路径，并用有限状态自动机（FSA）进行编码；接着，在程序中相应位置插入少量基于 FSA 的状态管理代码；最后，在运行时监控程序路径执行状态，阻止信息泄露。理论分析证明了 FSAFlow 的效率和正确性。实验结果显示，FSAFlow 的开销低于多种代表性 DTA 优化方法：在流行应用上仅为 2.06%，在 CaffeineMark 3.0 上为 5.41%。在隐式流跟踪方面，FSAFlow 的假阴性少于 Android DTA 平台 TaintDroid，并且通过验证运行时未实际执行的路径以及在循环体完整执行阶段的跟踪，实现了比静态分析工具 FlowDroid 更高的精度。

静态污点分析是检测软件系统中污点流的常用技术，尽管理论上保守且设计为检测所有可能污点流，但由于实现限制（如动态编程语言特性、不可达代码、多语言项目等），静态分析几乎总是存在漏报。为缓解此问题，本文提出 DySTA 方法，利用动态污点分析结果作为静态污点分析的额外源。然而，简单添加源会导致静态分析失去上下文敏感性，从而产生误报。为此，作者进一步开发了混合上下文匹配算法及对应工具 ConDySTA，在保留上下文敏感性的前提下融入动态分析结果。在 REPRODROID 基准框架（包含 28 款应用）上的评估表明：(1) ConDySTA 能检测到 12 个未被六款最新静态污点分析工具检测到的污点流；(2) ConDySTA 未报告任何误报，而单独的 DySTA 报告了 9 个误报。进一步对 Google Play 排名前 100 的安卓应用进行测试，ConDySTA 在 FlowDroid 检测到 281 个污点流的基础上额外发现了 39 个，同时保持了 FlowDroid 的上下文敏感性。本文方法显著提升了静态分析的召回率，同时维持了低误报率。