手写输入是智能手机用户最重要的信息输入方式之一,大量用户敏感信息通过手写方式输入到智能手机中,例如,聊天记录、密码和会议记录等。与此同时随着个人隐私泄露事件不断出现,智能手机用户也逐渐重视自我隐私数据保护,开始对基于常规方式(恶意软件)的隐私泄露有所防范。但是用户目前对于一种更隐蔽的隐私泄露途径缺少足够的防范意识——基于手机侧信道分析的个人隐私信息推测。为了让智能手机用户意识到这类隐私泄露方式对其隐私信息的重大威胁,本文提出了一种基于智能手机运动传感器的手写信息推测系统。本文的推测系统是基于手机运动传感器数据会随着用户在手机屏幕上的手写行为产生有规律的变化这一发现实现的。而且不同字符的手写轨迹有明显的不同,从而导致各种字符手写行为引起的数据波动情况存在差异。本文通过机器学习的方法建立不同手写信息和其传感器数据变化的内在联系,实现了由数据变化逆向推测用户手写输入信息的过程。为了提高信息推测系统的还原准确率,本文不仅针对手写行为的传感器数据变化设计优化了用于机器学习的特征集合,同时还将用户使用手机时的姿态状态纳入分析范围,尽可能减少外部因素对信息还原的影响。最后本文基于收集到的43,000字符手写数据对系统从各种角度进行了性能评估实验,并对各种因素对系统造成的影响进行了描述和分析。最终的实验结果表明,信息推测系统的对数字字符的平均推测准确率达到了86.5%。这也证明本文提出的基于手机传感器的侧信道分析技术的信息推测系统的确会对手机用户的隐私信息造成威胁,导致个人隐私泄露风险。