Android操作系统采用了一种基于权限的安全模型,它要求开发者去声明开发的应用会用到哪些系统的资源。然而,权限过度申请问题正变得越来越严重,这给Android生态系统带来巨大的风险。本文提出一种结合LDA、协同过滤、静态分析等技术的方法,通过建立迭代识别模型、功能点对应权限集模型,来对Android应用的声明描述所对应的权限集合进行识别。首先,LDA用来对应用描述信息抽取功能特征,静态分析用来从代码级别解析Android应用的API,而协同过滤技术被采用去识别过度声明的权限,从而可以据此建立一种基于良性-恶性App差距的描述对应最小权限集识别迭代模型。其次,提出了功能点对应权限集模型,用来挖掘LDA话题得到的功能点所对应的权限,从而可以进一步完善应用的声明权限,识别出App对应描述信息的最小权限集合。最终,提出了一种基于权限的风险评估方法。基于Google Play数据的实验展示了同之前方法相比的有效性。本文的方法能够有效的降低声明权限的过度申请并且检测应用的风险。综上所述,本文提出一种最小权限集识别方法,帮助终端用户对Android应用进行最小权限集识别并进行风险评估,为用户降低由于App权限乱用所带来的风险。