先说一个跟咱们隐私有关的例子。之前很多人都觉得，热成像嘛，画面模糊，只能看到个热乎的轮廓，人脸的五官细节全没了，这玩意儿肯定没法用来识别你是谁。但英特尔和格但斯克工业大学最近的一项研究，直接把这个“常识”给碘伏了。

他们是怎么做的呢？简单来说，就是先让AI模型在普通可见光图像上学会认人脸，然后，他们没从头训练一个新模型，而是直接把训练数据换成了热图像，再让模型“复习”一遍。结果你猜怎么着？之前大家普遍认为热图像信息量太少，不够AI提取特征，但这个团队通过算法对热成像进行裁剪和特征提取，最后用可见光图像去验证，发现模型竟然能很好地“举一反三”，把在热图像上学到的东西，成功匹配到可见光图像上。

这项成果已经被收录在第12届国际人机交互会议期刊上。核心结论很惊人：成功率高达90%以上，理论上，隔着墙就能辨别人脸。这意味着什么？那些我们以为能保护隐私的热成像监控，可能并不像想象中那么安全。

其实，利用“温度”来搞事情，在黑客圈子里早就不是什么新鲜事了。远的不说，2015年就有个以色列团队，展示了一种相当“物理”的黑客手法：他们利用电脑自带的热传感器，通过操控一台电脑的温度升降，把热量传导到旁边另一台物理隔绝的电脑上。只要温度升高1度，这两台原本老死不相往来的电脑，就能通过类似于摩尔斯电码的温度变化来传递信息。这才是真正的“隔空取物”。

不过话说回来，虽然理论和技术已经有了，但通过温度来窃取隐私的门槛依然很高，普通黑客暂时还玩不转。但这项研究给我们提了个醒：如今智能家居设备遍地都是，摄像头、传感器无处不在，其中包含大量关于人体健康的生物体征信息。过去，热成像被认为是兼顾功能与隐私的“折中方案”——既能提供有用信息，又能模糊掉具体特征。但现在看来，这个“折中方案”也需要重新审视了。温度，这个我们习以为常的物理量，其背后的安全性，恐怕远比我们想象的要复杂。