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。

本论文是一篇系统化知识综述（SoK），旨在全面审视安全随机化缓存（Secure Randomized Caches）领域的研究现状。随机化缓存是一种旨在抵御基于缓存的侧信道攻击（如Flush+Reload、Prime+Probe）的硬件或软件对策，其核心思想是通过随机化缓存行与内存地址的映射关系，使攻击者难以推断出受害者的访问模式。论文首先归纳了随机化缓存的设计空间，包括随机化粒度和映射函数（如静态随机化、动态随机化、基于加密的映射等）。接着，论文系统分类了现有的随机化缓存方案（如CEASER、CEASER-S、ScatterCache等），并从安全性（抗泄露能力）、性能开销、硬件复杂度等维度进行了对比分析。论文还讨论了针对这些方案的具体攻击方法（如利用重复访问模式、时序分析等），并分析了不同随机化策略的理论安全界限。此外，论文指出了当前研究的不足之处，例如缺乏统一的安全评估基准、对实际处理器微架构的适应性不足等，并提出了未来研究方向，如结合机器学习攻击的防御、可证明安全的随机化设计等。对于安全从业者，本文提供了理解随机化缓存优缺点的全景视图，有助于评估其在真实系统中的应用风险。