该论文提出了一种通过GPU电磁侧信道远程窃取神经网络模型架构的方法。现代深度学习模型部署在云GPU上，其架构（如层数、神经元数量、激活函数类型）被视为知识产权。作者利用GPU在执行矩阵乘法时产生的电磁泄漏，通过分析电磁辐射的时序特征来推断模型结构。他们设计了一种非侵入式测量装置，在1米距离内成功从NVIDIA GPU中提取了全连接层和卷积层的参数。实验表明，该方法对不同模型（如ResNet、VGG）的架构识别准确率超过90%。主要贡献包括：首次实现远程模型架构窃听、提出基于电磁波形的特征提取算法、证明现有侧信道防御措施（如噪声注入）的不足。