21세기 현대사회에서는 모바일장비(스마트폰)는 언제나 어디서나 휴대하면서 사용하는 작은 컴퓨터로 진화하였다. 이에 많은 해커들의 주요 공격 목표가 되고 있으며, 해커들은 스마트폰에 설치된 악성코드를 활용하여 개인정보를 언제든지 탈취 할 수 있을 뿐만 아니라, 휴대폰 결제 및 여러 프리미엄 서비스를 이용하여 금전적 이득을 취할 수 있다. 악성코드에 감염된 스마트폰으로부터 얻을 수 있는 이득과 함께 모바일 악성코드의 수는 기하 급속적으로 증가하고 있다. 이에 악성코드 탐지방법에 인공지능을 활용한 방법이 최근 지속 연구가 되고 있다. 딥러닝의 장점은 특성공학 단계를 생략하여 시간과 인력의 소요를 줄이는 것이다. 하지만 정확한 특성공학단계를 거치지 않는다면 어떤 특성이 영향을 미치는 지 모르며, 쓸모없는 특성 또한 학습하기 때문에 성능저하로 이어 질 수 있다. 이에 본 논문은 악성코드 탐지 및 분류모델의 성능은 특성집합을 어떻게 구성하느냐에 따라 크게 좌우되며, CNN 기반의 안드로이드 악성코드 탐지 시 탐지성능을 극대화할 수 있는 특성집합(feature set)을 선정하는 방법을 제안한다. 특성집합에 포함될 특성은 기계학습 및 딥러닝에서 특성추출을 위해 널리 사용되는 Chi-square알고리즘을 사용하여 선정하였다. CICAndMal2017 데이터세트를 대상으로 선정된 36개의 특성을 이용하여 CNN 모델을 학습시킨 후 악성코드 탐지성능을 측정한 결과 이진분류에서는 Accuracy 99.99%, 카테고리 분류 및 패밀리분류 에서는 98.90%, 96.08% 의 F-1 score를 달성하였다.