在当今数字化时代，人工智能（AI）已深度融入我们的生活，从智能手机的语音助手到医疗影像的精准诊断，从自动驾驶汽车的智能导航到金融风险的智能管控，AI 无处不在，为各领域带来了前所未有的高效与便捷。

北卡罗来纳州立大学的科研团队证实，AI 模型存在被窃取的风险，且窃取方式极为隐蔽 —— 通过分析设备信号即可实现。他们利用电磁信号，从 Google 边缘张量处理单元（TPU）中窃取并复制人工智能模型，准确率竟高达 99.91%。这意味着，攻击者无需直接入侵设备，无需知晓支持人工智能的软件或架构，就能神不知鬼不觉地将宝贵的 AI 模型据为己有。这种创新的窃取技术，无疑是模型提取方法的一次 “重大突破”，却也让 AI 产业陷入了巨大的危机之中。

在这次演示中，研究人员所运用的技术，其关键在于对电磁信号的精密监测。他们巧妙地在 TPU 芯片顶部放置了一个极为敏感的电磁探针，悄无声息地捕捉着人工智能处理过程中 TPU 电磁场那瞬息万变的实时数据。如同人工智能处理行为的独特 “签名”，为后续的窃取行动提供了至关重要的线索，堪称整个窃取过程中最为基础、也最为关键的一环。

有了电磁信号这一 “签名”，研究人员紧接着开启了逆向工程的艰难之旅。他们将目标模型的电磁特征，与在相同设备上运行的其他人工智能模型特征数据库进行细致比对。这就好比从茫茫人海中寻找一个熟悉的面孔，需要极大的耐心与精准的判断。可要是遇到没有 “签名” 的全新模型，又该如何下手呢？研究人员自有妙招，他们掌握了一种估算目标人工智能模型层数的精湛技术。大多数人工智能模型的层数在 50 到 242 层之间，研究人员手头已收集了来自其他人工智能模型的 5000 个第一层签名，通过将被盗模型的第一层签名与数据库中的进行逐一匹配，找出最相近的那个，就如同拼图找到了第一块关键碎片。紧接着，再用同样的方法对第二层、第三层…… 持续进行逆向推理，一层一层地揭开模型的神秘面纱，直至将整个模型完整复制出来。这一过程，就像是拆解一个精密的机械钟表，每一个零件、每一道工序都不容有失，最终成功还原出一个与原模型高度相似的替代模型。

无数顶尖的科研人才，投入无数个日夜，进行着复杂的算法设计、海量的数据训练，方能让模型拥有出色的性能。以 GPT 系列模型为例，OpenAI 团队为了打造它，投入了数以亿计的资金，集结了全球众多顶尖专家，从最初的理论构思，到不断地试验、优化，历经无数次的迭代，才让 GPT 模型在自然语言处理领域崭露头角。可一旦模型被窃取，这些开发者的心血便付诸东流，前期的巨额投入打了水漂，后续的盈利计划也化为泡影。而且，被盗取的模型流入市场后，还会让开发者面临激烈的不正当竞争，原本凭借技术优势建立起的市场地位，瞬间摇摇欲坠，辛苦积累的品牌声誉也可能毁于一旦，其损失不可估量。

许多 AI 模型在训练过程中，吸纳了海量的用户数据，这些数据涵盖了用户的方方面面，从个人身份信息、消费习惯，到医疗健康记录、社交关系等，隐私级别极高。若模型被窃取，无异于将用户信息的 “保险柜” 拱手相让，不法分子便能轻易获取这些敏感数据，导致用户隐私泄露。例如，某医疗 AI 模型被窃取，患者的病历、诊断结果、基因数据等隐私信息随之曝光，这不仅侵犯了患者的隐私权，还可能让患者在求职、投保等诸多方面遭受歧视；再如，金融领域的 AI 模型若落入坏人之手，用户的银行账户信息、交易记录、信用评分等被泄露，诈骗分子便可精准施骗，给用户带来直接的财产损失，让用户陷入无尽的困扰与恐慌之中。

AI 模型被窃取这一问题的曝光，为我们敲响了沉重的警钟。当下，AI 技术正以前所未有的速度蓬勃发展，广泛且深入地渗透到各个领域，已然成为推动社会进步、经济发展的关键力量。但与此同时，安全问题也如影随形，若不能及时、有效地加以解决，必将对 AI 技术的持续健康发展形成严重阻碍。