如今,智能手机在人们生活中已经普及。它提供的网络或者是多媒体的服务惠及生活的方方面面。但由此也会引发一些问题,随着人们随处都携带智能手机,很多关键信息,例如地理位置,联系人甚至是银行账号密码等都存放在手机上面,它大大增加了我们隐私泄露的可能。本文的工作主要专注于智能手机上面隐私泄露问题。从现在的情况看来,智能手机上的移动传感器,特别是加速度传感器,已经成为了一种别人偷窃用户隐私的一种重要的边信道攻击工具。在本文中,我提出一种新的基于加速度传感器的攻击方法,这种攻击具有很强的危害性：装载在手机上的恶意程序能够很轻松地获取用户在地铁上的轨迹信息,并且在此过程中,用户根本毫无察觉到自己的信息已经被收集了。本文首先从各种各样的混合的数据中取出地铁的相关数据,然后再提出自己的从这些地铁相关数据中推测手机用户的隐私的方法,本文的方法主要采用有监督学习的方法得到很多地分类器,从这些分类器中就可以分析出地铁用户的具体的位置。当然,有监督的学习需要攻击者事先收集到大量的已经标记好的在各个站点的相关的数据才行,这种方法遇到的问题就是在大城市中会有多条地铁线,这样采集的工作量会非常的大。于是本文提出了一种改进的使用半监督学习方式的方法来解决此问题,在半监督的方法中,攻击者只需要收集较少的一部分特征明显的数据。本文的实验在自己收集的大量的数据集合上就行,这个数据集超过了120个小时的数据,包含了6条地铁线上的数据分析,足迹涉及3个主要的城市(南京,上海,苏州)。结果表明,如果用户乘坐的地铁达到4或者6站的时候,本文的准确率分别是89%和94%.在文章的最后,本文也讨论了这种攻击的一些防御方法。