ANDRODET gồm ba mô-đun phát hiện riêng biệt, mỗi mô-đun xử lý một kỹ thuật làm rối: đổi tên định danh, mã hóa chuỗi, và làm rối luồng điều khiển  

Các đặc trưng được trích xuất từ bytecode Dalvik như độ dài định danh, khoảng cách ASCII giữa các định danh, độ phức tạp chuỗi, số lượng ký tự đặc biệt, số lượng nút và cạnh trong đồ thị luồng điều khiển  

Hệ thống sử dụng thuật toán học trực tuyến như Hoeffding Tree, Naive Bayes, SGD, và Leveraging Bag từ thư viện MOA  

Tập dữ liệu gồm AMD (malware), F-Droid (benign), và PraGuard (ứng dụng được làm rối có kiểm soát)  

Độ chính xác trung bình: 92.02% (đổi tên định danh), 81.41% (mã hóa chuỗi), 68.32% (luồng điều khiển), và 80.66% khi ứng dụng có thể bị làm rối bởi nhiều kỹ thuật  

So sánh với hệ thống học theo lô (ATM): ANDRODET tiết kiệm thời gian huấn luyện và bộ nhớ, phù hợp với môi trường có luồng dữ liệu liên tục  

Hệ thống có thể mở rộng để phát hiện các kỹ thuật làm rối khác như Java reflection, packing, hoặc kết hợp nhiều kỹ thuật  

Nguồn mở tại: https://github.com/OMirzaei/AndrODet