Tehisintellekti mudeleid võib olla üllatavalt lihtne varastada nende elektromagnetiliste signatuuride tuvastamise kaudu. Põhja-Carolina Riikliku Ülikooli teadlased tõid selle meetodi esile uues teadustöös, rõhutades, et nad ei soosi rünnakuid närvivõrkude vastu. Kasutades elektromagnetilist sondi, mitmeid eeltreenitud avatud lähtekoodiga tehisintellekti mudeleid ja Google Edge TPU-d, analüüsisid nad elektromagnetilisi emissioone, kui TPU kiip töötas. Ashley Kurian, uuringu juhtiv autor ja NC State'i doktorant, selgitas Gizmodole: „Närvivõrgu ehitamine ja treenimine on kulukas. See nõuab märkimisväärset aega ja arvutusressursse – see on ettevõtte intellektuaalomand. Näiteks ChatGPT kasutab miljardeid parameetreid, mis on olulisemad komponendid.

Kui keegi selle varastab, omab ta põhimõtteliselt ChatGPT-d ilma kuludeta ja võib seda isegi müüa. " Varastamine on tehisintellektis suur probleem, sageli seetõttu, et arendajad treenivad mudeleid autoriõigusega kaitstud teostel ilma autori loata, mis viib kohtuvaidlusteni ja kunstnike tööriistadeni, et sellele vastu seista, näiteks kunsti genereerijate „mürgitamise“ kaudu. Kurian selgitas, et elektromagnetilise anduri andmed pakuvad tehisintellekti töötluskäitumise "signatuuri", mis on suhteliselt lihtne. Mudeleide hüperparameetrite – eriti selle arhitektuuri ja määravate omaduste – avastamiseks võrreldi eesmärgiks seatud mudeli elektromagnetilisi andmeid teiste sama kiibitüübi peal töötavate tehisintellekti mudelite andmetega. Selle võrdluse kaudu "määrasid nad kindlaks mudeli arhitektuuri ja spetsiifilised omadused, mida tuntakse kui kihi detaile, mis on vajalik tehisintellekti mudeli replitseerimiseks, " ütles Kurian, saavutades "99, 91% täpsuse". Nad viisid selle läbi, saades kiibile füüsiliselt ligi, et sondeerida ja mudeleid käitada, töötades koos Google'iga, et hinnata nende kiipide haavatavust. Kurian mainis, et mudelite jäädvustamine nutitelefonides võib olla teostatav, ehkki nende kompaktne disain keerukamaks muudab elektromagnetiliste signaalide jälgimise. Mehmet Sencan, AI standardite mittetulundusühingu Atlas Computing turvateadur, märkis Gizmodole, et "kõrvalkanalite rünnakud servaseadmetel ei ole uudsed. " Siiski on kogu mudeli arhitektuuri hüperparameetrite ekstraktimise meetod märkimisväärne. Sencan selgitas, et kuna AI riistvara "täidab inferentsi selges tekstis", on iga mudel, mis on paigutatud turvamata servaseadmetele või serveritesse, haavatav oma arhitektuuri detailse sondeerimise kaudu ekstraheerimise suhtes.