本文提出了一种针对本地部署大语言模型(LLM)的侧信道攻击方法，通过观察 CPU 缓存活动来重建模型生成的文本。与以往依赖特定部署条件(如共享数据内存、CPU offloading 或 Mixture-of-Experts 架构)的攻击不同，该方法针对的是 detokenizer(解码器)——这是所有默认 LLM 推理流程中都会使用的组件，因此攻击面更广。攻击流程分为两个阶段：首先使用 Flush+Reload 技术监控共享的 tokenizer 代码，精确检测解码发生的时机；然后在正确的时间窗口执行 Prime+Probe，捕获与当前生成的 token 相关的缓存访问足迹。由于直接读取缓存信号会引入大量噪声，作者设计了一个聚类加语言模型的流水线，从含噪声的缓存观测中恢复到语义准确的文本。实验在多种数据集、硬件平台、推理框架和模型家族上进行，证明了该方法能够从真实世界的本地 LLM 部署(包括智能体系统)中重建语义准确的输出。作者还特别指出，当前最广泛使用的 tokenizer 实现大多易受此攻击影响，这些实现被嵌入到许多流行的本地 LLM 产品和智能体框架中，例如 OpenClaw(作者已实际演示了攻击效果)，从而极大地拓宽了攻击的实际威胁面。该研究揭示了本地 LLM 推理中一个此前未被充分重视的隐私泄露环节，提醒开发者关注 detokenizer 阶段的侧信道风险。

本文研究基于缓存冲刷的侧信道攻击（如 Flush+Reload 与 Flush+Flush）在真实多核系统中的噪声鲁棒性问题。传统观点认为此类攻击在攻击者与受害者共享操作系统页面的受控隔离环境中精度极高，但作者观察到，在存在多核并发应用、系统负载动态变化的场景下，攻击准确率会显著下降。作者将根因归结为两点：其一，核心频率随系统负载动态波动，导致 clflush、mov 等关键指令的执行延迟发生非预期变化；其二，受害者与攻击者线程在处理器上的相对放置位置（如是否位于同一物理核心）会影响时序测量。这些动态因素使攻击前的静态校准步骤失效。为此，论文提出 DABANGG，一套针对冲刷型缓存攻击的改进方案，使其具备频率与线程放置感知能力，从而抵御系统噪声干扰。具体包括三项核心技术：第一，引入对指令延迟变化敏感的预攻击校准方法；第二，在攻击过程中采用低成本的优化手段，如细粒度忙等待和基于延迟阈值的周期性反馈，以提升攻击有效性；第三，提供受害者特定参数，显著改善攻击精度。作者在包含计算密集型、内存密集型和 I/O 密集型系统噪声的多种场景下，对 DABANGG 增强版 Flush+Reload 与 Flush+Flush 攻击进行了侧信道与隐蔽信道实验评估。结果表明，在所有测试场景中，DABANGG 增强版在隐蔽性和准确率两方面均优于标准攻击。本文主要面向计算机体系结构、侧信道分析与系统安全领域的研究人员，其核心贡献在于揭示了动态频率与线程调度对微架构侧信道攻击的实质影响，并提出了一种系统性的校准与自适应优化框架。

本文研究了苹果 M1 芯片等异构系统级芯片（SoC）中 CPU 与 GPU 共享系统级缓存（SLC）所引入的新型跨域攻击面。作者发现，GPU 的内存访问会在共享 SLC 中留下集合级别的足迹，这些足迹可被无特权的 CPU 进程观测到。基于这一发现，他们首次实现了针对 GPU 工作负载的细粒度、访问驱动、Prime+Probe 风格的 CPU 到 GPU 缓存侧信道攻击。研究首先逆向工程了苹果 M1 的 SLC 集合索引函数以及私有缓存与 SLC 的交互机制，然后构建了 CPrime+CProbe 技术，使 CPU 能够以缓存集合粒度监视 GPU 受害活动。进一步，作者提出加速变体 GPrime+CProbe，利用 GPU 快速预填充 SLC，将隐蔽通道吞吐量提升了 6.4 倍。为证明实际危害，论文展示了两个端到端隐私攻击：一是针对图神经网络（GNN）的图边重建攻击，在五个数据集上达到 90% 的边准确率；二是针对大语言模型（LLM）的隐私攻击，在 TinyLlama 和 GPT-2 Medium 模型上可恢复最高 94.8% 的输入关键词和 88.9% 的模型响应。这些结果揭示了苹果 Silicon 中一类新的微架构漏洞，并为异构 SoC 的安全系统缓存设计敲响警钟。本文适合关注微架构安全、GPU 安全、侧信道攻击与异构计算安全的研究人员阅读。

本文针对基于随机化的安全缓存架构（如CEASER-S和SCATTERCACHE）进行了系统性安全分析。这些设计旨在通过随机化内存地址到缓存集的映射来缓解侧信道攻击，但其实际安全性仍需深入评估。作者首先将现有的随机化安全缓存抽象为一个通用缓存模型，然后将CEASER-S和SCATTERCACHE映射为该模型的实例，从而统一分析其安全性。为了评估这些缓存的脆弱性，作者提出了一种名为PRIME+PRUNE+PROBE的新型缓存攻击技术，该技术通过突发访问、自举和多步轮廓优化，能够构建概率性的但可靠的驱逐集，使得以往被认为计算上不可行的攻击成为可能。此外，作者模拟了一次端到端攻击，从脆弱的AES实现中泄露秘密。针对CEASER-S的案例研究表明，随机化算法中的密码学弱点可能导致完全的安全沦陷。通过量化设计参数对安全级别的影响，本文得出了更现实且可比较的安全等级，为未来安全缓存设计提供了重要结论。

该论文提出了一种名为CacheWarp的新型软件故障注入方法，核心思想是通过选择性重置处理器状态来诱导系统出现可控的错误行为。与传统物理故障注入（如激光、电磁）不同，CacheWarp完全基于软件实现，无需接触硬件。其原理是利用处理器缓存行填充与驱逐的时序差异，通过精心构造的内存访问模式，在特定时刻触发缓存一致性协议中的漏洞，导致数据损坏或指令执行错误。作者在主流x86和ARM处理器上验证了该方法的有效性，实验表明能够以高成功率绕过操作系统安全机制、篡改关键数据结构（如页表权限），并可在远程场景下实施。该工作揭示了现代处理器微架构中缓存一致性作为新型攻击面的可能性，对系统安全设计提出了新挑战。

本文提出一种针对Linux内核的新型跨缓存攻击方法，称为PCP Massaging。该方法利用每CPU页缓存（Per-CPU Page Cache, PCP）的内存分配行为，攻击者通过精心控制内存分配与释放，迫使目标内核对象（如socket结构体）落入特定的缓存行中，从而在受害者与攻击者之间创建共享缓存状态，实现跨核心、跨进程的侧信道信息泄露。论文在ARM64和x86_64平台上验证了攻击的有效性：一方面，攻击者能够从内核地址空间泄露KASLR（内核地址空间布局随机化）基址；另一方面，通过操作socket对象的权限字段，攻击者可以绕过普通用户权限检查，伪造具有超级用户权限的socket。实验结果表明，攻击成功率较高，且对系统性能影响较小。作者进一步讨论了潜在缓解措施，如加强PCP分配隔离或引入缓存着色技术，但未给出完整防御方案。该工作揭示了内存管理子系统中缓存一致性副作用带来的安全风险，为内核安全研究提供了新视角。