9月18日，科技媒体Wccftech发布博文，援引OpenAI研究员诺姆·布朗（Noam Brown）的观点指出，物理隔离的计算机之间并非绝对安全，相邻设备可能通过CPU升温与温度传感器读数形成低带宽隐蔽通信通道。布朗表示，人类不应低估AI的能力，这一结论基于已有学术研究成果。
物理隔离（Air Gap）是信息安全领域长期采用的一种防护手段，指切断计算机或网络与其他系统之间的网络连接和数据链路，常用于隔绝外部网络访问与数据外传路径。传统认知中，物理隔离被视为抵御远程攻击和数据泄露的高强度措施，但该研究揭示了这一防护策略可能存在的边界。
研究报告指出，攻击方式的核心在于热量传递。一台设备可以通过提高CPU负载推高自身温度，另一台相邻设备则读取环境或硬件温度变化。发送端按预设节奏改变热量输出，接收端将温度波动解读为编码信息，由此形成极低带宽的隐蔽信道，其原理类似于摩斯电码。现代CPU、GPU及主板普遍装有温度传感器，这些传感器主要服务于散热管理，例如调高风扇转速、降低芯片频率或触发过热保护，但也可能被利用为信息接收端。
从技术角度看，该隐蔽信道的传输速率极低，无法用于大规模数据窃取，但在特定场景下仍具安全意义。例如，在高度隔离的网络环境中，攻击者可能利用这一通道传递密钥、指令或确认信号。由于不依赖任何网络连接或物理线缆，传统基于网络流量的监测手段难以察觉此类通信。
诺姆·布朗作为OpenAI的研究员，其公开表态将这一学术发现带入更广泛的产业视野。当前，AI模型的能力边界持续扩展，从代码生成到复杂推理，AI系统对物理世界的感知与交互能力也在增强。布朗的警示暗示，AI可能被用于发现和利用此类非常规信息通道，从而突破既有的安全假设。
对于企业安全团队而言，这一发现提出了新的课题。物理隔离环境通常部署于政府、金融、国防及关键基础设施领域，其安全评估往往侧重于网络层和物理访问控制，对温度、电磁、声学等侧信道关注相对有限。随着AI技术降低侧信道攻击的发现与利用门槛，隔离环境的威胁模型需要相应更新。
目前，该研究仍处于学术探讨阶段，尚未有证据表明此类攻击已在真实场景中被大规模利用。但布朗的表态传递出一个明确信号：在AI能力快速演进的背景下，安全防护的边界需要持续重新审视，物理隔离并非绝对安全的代名词。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
