该论文聚焦于微架构侧信道攻击领域长期存在的基准测试（benchmarking）方法学问题。近年来，微架构侧信道研究快速增长，但评估实践却缺乏严格性和一致性。早期攻击论文通常依赖间接代理指标（如隐蔽信道带宽、对朴素AES/RSA实现的密钥恢复）来证明攻击有效性，这些做法逐渐成为事实上的标准，后续工作常直接引用先前论文的原始数值进行比较。然而，微架构攻击对实验条件极为敏感，目标系统即使发生微小改变也可能显著影响结果和性能。因此，不充分的评估实践会破坏可复现性，并使比较结果的可靠性存疑，即使在高水平会议中也未能避免。本文系统性地审视了微架构侧信道攻击的正确基准测试问题及其对研究质量的广泛影响。作者调查了2014至2024年间发表于顶级安全与体系结构会议上的83篇攻击论文，从中识别并定义了19类反复出现的基准测试缺陷，涉及评估完备性、相关性、健全性和可复现性等方面，包括不公平或缺失比较、缺少代码或材料、未能评估关键攻击属性等。平均每篇论文存在5.5项此类缺陷，表明问题在高度选择性的会议中也十分普遍。基于调查结果，作者提出了评估新型攻击应关注的关键属性，并分析了随时间变化的趋势以及安全会议与体系结构会议之间的实践差异。该研究对侧信道攻击研究人员、论文审稿人以及安全评估工具开发者具有重要参考价值。

过去十年中，模糊测试已被证明是一种高效的软件漏洞发现方法。自AFL引入轻量级覆盖率反馈这一开创性概念以来，模糊测试领域涌现了大量科学工作，提出了新技术、改进了现有策略的方法论方面，或将现有方法移植到新领域。所有这些工作都需要通过展示其解决问题的适用性、测量性能，并通过深入的经验评估证明其相对于现有工作的优越性。然而，模糊测试对其目标、环境和条件高度敏感，例如测试过程中的随机性。毕竟，依赖随机性是模糊测试的核心原则之一，控制着模糊器行为的许多方面。结合往往难以控制的环境，实验的可重复性成为一个关键问题，需要谨慎的评估设计。为了应对这些有效性威胁，一些工作，尤其是Klees等人的《Evaluating Fuzz Testing》，已经概述了如何精心设计评估设置，但其建议在实践中被采纳的程度仍不清楚。本文系统分析了2018年至2023年间顶级会议上发表的150篇模糊测试论文的评估方法。我们研究了现有指南的实施情况，并观察到潜在的不足和陷阱。我们发现，现有指南在统计检验方面被惊人地忽视，且模糊测试评估中存在系统性错误。例如，在调查报告的漏洞时，我们发现对真实世界软件中漏洞的搜索导致了作者请求并接收了质量可疑的CVE。将我们的文献分析扩展到实践领域，我们尝试复现八篇模糊测试论文的声称。这些案例研究使我们能够评估模糊测试研究的实际可重复性，并识别评估设计中的典型陷阱。不幸的是，我们的复现结果揭示了所研究论文中的若干缺陷，我们无法完全支持和复现相应的声称。为帮助模糊测试领域迈向科学上可重复的评估策略，我们提出了更新后的评估指南，供未来工作遵循。