随着智能手机系统的快速发展,移动应用数量逐年增多,但是很多应用在用户不知情的情况下获取并泄露用户的隐私信息,然而现有的研究表明隐私信息的使用是否合理与其使用意图相关,因此本文提出一种基于应用隐私信息使用意图对应用隐私风险进行评估的研究方法,意在为用户提供一个隐私风险参考。本文将机器学习技术应用于隐私风险预测,构建隐私风险评分预测模型,并基于该模型实现一个隐私风险评级系统。本文主要研究内容如下:隐私风险评分预测模型,首先分析和提取安卓应用的特征向量,并进行预处理;然后研究不同的机器学习预测模型原理,建立多个隐私风险评分预测模型,并进行了优化,同时与现有研究方法进行了对比。安卓应用第三方库检测方法,现有的检测方法存在一定局限性,本文提出并实现基于模块聚类的第三方库检测方法,为敏感权限使用意图的分析提供依据,并与现有的检测方法进行了对比。隐私风险评级系统,对隐私风险评级系统进行了总体结构设计,并针对原文件的预处理、隐私特征的分析与提取、隐私风险评级三个方面,分别进行了详细的介绍和实现,最终实现隐私风险评级系统。隐私风险评级系统的测试与应用,结合实际的应用实例对隐私风险评级系统进行测试,并将该系统进行大规模应用,并对相关结果进行分析和展示。