本文提出了一种基于多模态侧信道的非视距知识产权盗窃攻击方法，针对增材制造（3D打印）过程中的物理侧信道泄露。现有攻击面临三个挑战：最终G-code重建成功率低、攻击距离有限、依赖专用且显眼的采集设备。作者利用两部智能手机的内置传感器（麦克风和磁力计），在非视距（NLoS）条件下放置于60厘米外，分别采集3D打印机运行时的声学和磁场发射信号。通过多模态信号融合与机器学习处理，成功以98.89%的命令级重建准确率还原出最终对象的G-code指令。该方法在另一台不同环境的3D打印机上进行了迁移性评估，验证了攻击策略的泛化能力。研究揭示了增材制造系统中通过侧信道未授权访问G-code（进而窃取知识产权）的安全脆弱性，强调了部署侧信道缓解措施的必要性。论文主要贡献包括：首次利用商用智能手机在非视距条件下实现高精度G-code重建，突破攻击距离限制，并论证了攻击的跨设备可迁移性。