近年来,随着智能手机的普及和移动应用的快速发展,智能手机在人们的日常生活中发挥着越来越重要的作用,与此同时智能手机的安全问题也日益引起人们的重视和关注。基于智能手机的输入识别是数据安全与隐私保护领域中的一个研究热点,它以手机的各类传感器作为侧通道,识别甚至窃取用户在手机虚拟键盘的输入信息。目前,已有的研究识别精度不高,而且主要集中在文本的识别问题,而忽视了比文本价值更大的密码的识别研究。本文针对上述问题,利用智能手机免授权的惯性传感器作为侧通道,来研究和分析智能手机用户输入的识别问题。论文的主要研究工作如下:(1)通过对智能手机惯性传感器和虚拟键盘输入行为的分析,研究和设计了一种以加速度计和陀螺仪为侧通,来识别用户输入的算法。该算法首先通过融合加速度计和陀螺仪数据生成姿态角信息,并从姿态角信息中提取用于识别用户输入的分类特征,然后训练多个不同类型的分类器,采用组合投票的策略构建组合分类器,最后在识别阶段使用提前训练好的分类器对姿态特征进行分类,达到识别用户输入信息的目的。(2)设计和实现了一种基于互补滤波的姿态解算和基于统计的点击检测算法。前者利用了加速度计和陀螺仪在频域上的互补特性,使用互补滤波器进行数据融合,降低计算量的同时增强了姿态测定的精度。后者在训练阶段收集用户点击屏幕时的加速度数据并统计其特征分布范围,识别阶段通过验证加速度特征值是否落在统计范围内来检测点击事件的发生。(3)设计和实现了用户输入识别实验。实验结果表明,通过增加分类的特征值并使用组合分类算法,单个字符的识别准确率有了较大的提高。与此同时,通过建立隐马尔科夫模型,以加速度计数据作为观测序列,可以显著降低推测密码所需的搜索空间,从而节省破解密码所需要的时间。最后出于安全防范的目的,论文提出一些防御方法,并设计一套通用安全框架,以防御更多类型的通过传感器嗅探用户隐私的攻击行为。