侧信道分析（SCA）对现代计算系统的隐私和安全构成威胁。研究探讨了深度学习在SCA中的应用，分析了攻击模式及新兴方法，并评估了不同深度学习增强的SCA方案。结果表明，深度学习能够有效减少攻击轨迹数量，并揭示边缘设备上的侧信道攻击对模型信息的获取。

本文研究了基于查询的模型提取攻击，提出了MEAOD方法，通过主动学习构建高效查询数据集以提升提取性能。研究揭示了模型提取攻击的漏洞演化规律，并提出了安全性建议。同时，探讨了深度学习在侧信道分析中的应用，评估了不同方案的性能，为抵御攻击提供参考。