该论文提出 Encarsia，一种通过自动注入缺陷（bug injection）来评估 CPU 模糊测试器（fuzzer）有效性的框架。研究背景：随着 CPU 设计复杂度增加，硬件漏洞层出不穷，模糊测试成为发现 CPU 漏洞的主流手段，但不同 fuzzer 的覆盖能力和检出率缺乏系统比较。核心问题：现有评估依赖真实漏洞集，样本有限且难以复现；人工注入缺陷的方式开销大、可重复性差。方法：Encarsia 自动向 RTL（寄存器传输级）设计（如 Rocket Chip、BOOM）中插入预定义类型的错误（包括控制流、数据流、时序等类别），生成带标注的基准测试集。然后运行多个 CPU fuzzer（如 DifuzzRTL、RTLCheck、Solt 等人工作），统计缺陷被触发的比率。实验证明，Encarsia 能够公平评估不同 fuzzer 针对不同类型缺陷的检测能力，并揭示其各自盲区。主要贡献：1）定义了 CPU 缺陷分类体系；2）开发了自动插入工具；3）提供了标准评估数据集；4）给出了多个流行 fuzzer 的详细对比结果，为后续改进指明方向。