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。