本文提出了一种用于非裁剪（uncropped）侧信道数据集的全密钥（full-key）攻击的简单 Transformer 流水线。传统深度学习侧信道分析通常针对单字节目标并依赖人工裁剪的迹线，这可能会丢弃可利用的泄漏信息。近期研究虽然提出了专用架构和重采样技术来应对这一问题，但文献中缺乏针对非裁剪迹线同时恢复完整密钥的简单 Transformer 基线。作者基于标准 Transformer 编码器主干，仅修改输入和输出层以适应侧信道场景，实现了开源的全密钥攻击方法。他们在非裁剪的 ASCADv1f、ASCADv1r 和 CHES-CTF-2018 数据集上发布了实现代码、训练配方和预训练权重。实验表明，该方法在性能上与先前报道的专用方法相当，同时显存占用低于 10GB，在单张 NVIDIA A6000 显卡上训练时间最多仅需 3.34 小时。该研究填补了简单通用 Transformer 基线在全密钥非裁剪侧信道分析中的空白，为后续研究提供了可复现的基准。适合硬件安全、侧信道分析以及深度学习安全领域的研究人员和工程师阅读。