该论文研究了针对媒体软件的自动化侧信道分析（SCA）方法，旨在从侧信道迹线中重建被处理的机密媒体输入（如图像、音频、文本）。作者将重建问题视为跨模态流形学习任务，利用自编码器框架学习媒体输入与侧信道观测（如缓存银行、缓存行、页表及Prime+Probe获取的用户态缓存集访问记录）之间的映射关系。为提升可解释性，模型引入注意力机制，自动定位对SCA贡献最大的程序点，从而揭示软件中的信息泄漏位置。在防御方面，论文提出了一种名为“感知盲化”（perception blinding）的创新技术，通过生成感知掩码扰动媒体输入，在不显著影响正常处理的前提下，有效干扰基于流形学习的SCA。实验评估了三种主流媒体软件，成功重建出高质量的机密输入，并发现了多个此前未知的泄漏点。结果表明，感知盲化能以极低开销缓解此类攻击。该工作为媒体软件侧信道风险提供了新的分析工具和防御思路。