本文提出了一种名为 SpecTaint 的新型 Spectre 漏洞检测技术，旨在解决软件修补过程中难以发现潜在 Spectre 指令窗口（gadget）的问题。当前缓解 Spectre 类攻击的主要手段是在程序中插入序列化指令来禁用潜在 gadget 的投机执行，但缺乏自动化、高效且精确的 gadget 检测方法。SpecTaint 通过在 CPU 模拟器（QEMU 等系统级模拟器）中模拟和探索投机执行路径，将动态污点分析扩展到这些路径上，从而能够追踪数据在投机执行期间如何流动并识别可能被利用的 gadget。作者实现了原型系统 SpecTaint，并在自建的 Spectre 样本数据集和真实世界应用（如 Caffe、Brotli）上进行了评估。实验结果表明，与现有的最先进 Spectre gadget 检测方法相比，SpecTaint 在检测精度和召回率上均有大幅提升，并且能在真实应用中发现新的 Spectre gadget。此外，基于 SpecTaint 检测结果进行的补丁操作，能够显著降低补丁后的性能开销（相比其他检测方法），说明该方法不仅检测能力强，还能辅助生成更精简、性能更好的缓解方案。本文的核心贡献在于：首次将动态污点分析系统性地应用于投机执行路径，实现了系统级模拟下的精确 gadget 发现，并在多个维度上优于已有工作。适合关注微架构侧信道攻击防御、二进制分析、以及 CPU 模拟器开发的蓝队安全研究人员阅读。

该研究针对量子计算时代背景下传统公钥密码体制（如基于离散对数和大整数分解的方案）面临的安全挑战，提出并分析了一类被称为“多路径切换与秘密共享”（MSSS）的量子安全通信方案。MSSS的核心思想是将消息分割为多个共享（share），并通过多条独立路径分别传输，安全性依赖于攻击者无法同时观测所有路径，从而无法收集足够多的共享来重构原始消息。本文首次系统性地研究了MSSS方案在实际网络部署中可能遭遇的一种隐蔽攻击——“网络数据残留攻击”（Network Data Remanence Attack）。作者指出，MSSS方案隐含地假设单一共享在一条路径上的传输是原子操作，并且所有路径的延迟完全相同。然而，真实网络中数据包在交换机、路由器等设备上的排队、缓存和重传机制会导致数据残留，攻击者可利用时序侧信道或设备残余数据将多个路径的传输关联起来，从而突破MSSS的“全局不可观测性”假设。论文通过形式化建模和模拟实验证明，即使在网络规模较大、路径选择足够随机的理想条件下，数据残留攻击仍能以较高概率破坏MSSS的机密性。该研究揭示了秘密共享与多路径切换结合时的一个基础性安全缺口，为设计更抗侧信道攻击的量子安全通信协议提供了理论依据和设计原则。本文适合研究量子安全通信、网络协议安全及侧信道分析的学者和工程人员阅读。

该论文首次研究了现代GPU存在的电磁侧信道漏洞，发现NVIDIA和AMD的多种GPU会通过电磁辐射泄露敏感信息。研究人员指出，动态电压频率调整（DVFS）特性是这一漏洞的根本原因。通过两个案例研究——网站指纹识别和键盘击键时序推断攻击——证明了该漏洞可以被实际利用，从远处窃听邻近用户的GPU活动。论文还发现，简单地禁用DVFS并非有效防御，因为这会引入另一种高度可被利用的电磁侧信道。研究强调了在共享计算环境中（如云服务器、公共计算设施）GPU侧信道攻击的潜在风险，并呼吁开发更安全的GPU设计或防御机制。该工作为物理侧信道攻击在非共享GPU上的远程实施提供了首个实证。

本文提出 Granite，一种用于对 RTL 级处理器设计进行模块化形式验证的方法论，旨在同时验证功能正确性和非泄漏性（nonleakage）。基于 ISA 泄漏契约，Granite 证明了带有推测执行、精确中断和 I/O 的流水线 RISC 设计的逐周期时序行为完全由契约中可观测的接口决定。对于遵循密码学常数时间纪律的程序（即不将秘密值影响任何可观测量的程序），该结果能够排除经已知或未知时序侧信道的信息泄漏。Granite 的规格仅约束功能正确性和信息流依赖，不规定指令的周期数、中断处理位置或子模块（如乘法器、内存）的具体延迟。其核心技术是'基于确定性的泄漏感知精化'，将正确性和机密性统一表示为与一族周期级确定性规格机器的轨迹等价。对于与秘密无关的非确定性，Granite 通过存在性参数化规格，使用仅作用于公开数据的不可信确定性函数来处理。子模块分别被证明满足其自身的泄漏感知规格，而这些证明组合成整体设计保证，因此适用于广泛的实现空间。作者声称这是首项在指令集级泄漏契约与微架构级逐周期执行（带线级观测）之间建立模块化和基础连接的工作。此外，该证明与一个认证静态分析相结合，可识别密码学常数时间代码，进而推导出关于硬件-软件密码实现的逐周期机密性的单一 Rocq 定理，从而从可信计算基（TCB）中消除了包括 ISA 契约在内的所有中间规格。

该论文揭示了一种针对可信执行环境（TEE）保护下的深度神经网络（DNN）模型权重的新型攻击方法——HyperTheft。TEE 通过加密将 DNN 视为完全黑盒来抵御模型权重泄露及其后续的白盒攻击，但论文发现 TEE 的密文侧信道在 DNN 执行期间会产生权重依赖的观测数据，从而可能泄露模型权重。现有侧信道攻击技术因要求过高或精度不足而无法直接应用于 DNN 权重窃取——DNN 拥有数百万个权重元素，即使少量错误恢复也可能导致模型失效。为此，论文提出 HyperTheft，利用 TEE 密文侧信道中的权重依赖特征，结合精心设计的推理算法，能够在无需先验知识的情况下以高精度恢复 DNN 权重。实验表明，HyperTheft 在多种 TEE 平台（如 Intel SGX）上成功窃取了多种主流 DNN 架构的权重，且攻击过程对受害者透明。该工作揭示了 TEE 保护 DNN 的一个严重安全缺陷，强调需要针对密文侧信道设计新的防御机制。适合安全研究员、TEE 开发者及关注 AI 模型保护的专业人士阅读。

本文提出 LEAKFORGE，一个设备无关的框架，将跨设备加速度计窃听问题转化为物理引导的数据生成问题。作者指出，设备相关的泄漏并非任意，其主导变化局限于音频到加速度计传递函数的一个受限族。LEAKFORGE 通过采样该传递函数族，从普通语音合成大规模、设备多样的加速度计轨迹，并显式建模机电传递、结构共振、滤波和混叠效应。仅在该合成域上训练的窃听模型可以直接应用于来自未见过的智能手机的轨迹。该工作的核心贡献在于，利用物理知识指导合成数据生成，从而摆脱了对真实设备采集数据的依赖，提升了跨设备泛化能力。适合对传感器侧信道、移动设备安全、物理层信息泄漏以及基于合成数据的模型迁移感兴趣的读者阅读。

本文研究视频通话中的击键推断攻击，即攻击者通过分析通话视频流中参与者的手部动作和键盘敲击姿态来窃取输入的文本信息。作者设计并评估了一个基于视频的击键推断攻击框架，该框架利用计算机视觉技术从视频帧中检测手部位置、键盘按键动作以及击键时间序列，进而通过统计模型或机器学习方法重建用户输入的字符。实验使用了多种网络摄像头、视频分辨率、键盘类型、衣物和背景环境，在常见且现实的设定下（如30fps视频、中低分辨率）取得了较高的击键推断准确率。研究表明，即使视频质量有限，攻击仍能有效窃取密码、聊天内容等敏感信息。此外，论文还提出了几种自动缓解技术，包括实时模糊手部区域、键盘覆盖层以及击键声音加扰等，并评估了其对抗推断攻击的有效性。该工作揭示了视频通话中一种被忽视的侧信道风险，呼吁用户和平台开发者提高警惕并采取防御措施。

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。

该论文提出一种名为Oreo的软硬件协同设计方法，旨在加强地址空间布局随机化（ASLR）对抗微架构侧信道攻击的能力。ASLR是目前广泛部署的内存破坏防御机制，通过随机化进程的虚拟地址来防止攻击者获知程序内容在内存中的位置。然而，微架构侧信道攻击（如基于缓存的攻击、分支预测攻击等）已被证明能够绕过ASLR，泄露其随机化密钥。论文首先系统分析了现有的微架构攻击，识别出多个信息泄漏路径。由于ASLR暴露的攻击面广泛，单纯依靠软件或硬件难以有效防御。为此，Oreo引入了一种新的内存映射接口，在虚拟地址转换为物理地址之前，先移除其中的随机化比特位。这一额外步骤确保随机化后的虚拟地址不会暴露给微架构结构（如缓存、TLB等），从而阻止侧信道泄漏ASLR秘密。Oreo对用户程序透明，无需修改应用程序代码，且性能开销较低。作者在Linux平台上基于硬件模拟器gem5实现了原型并进行了评估，验证了其有效性和低开销。该研究面向系统安全研究人员和处理器设计者，为防御微架构侧信道攻击提供了新的思路。

该论文揭示了操作系统文件系统实现中的新型侧信道和隐蔽信道攻击，突破了进程、容器等隔离机制。核心发现是：现代操作系统在执行任何同步操作（如syncfs）时，会刷新所有I/O缓冲区，即使这些缓冲区属于不同的隔离域。攻击者通过测量syncfs调用的延迟，可以推断受害程序的I/O行为。作者在Linux和Windows原生文件系统上实现了基于syncfs的隐蔽信道攻击，最高带宽分别达到5 Kbps（误码率0.15%）和7.6 Kbps（误码率1.9%）。此外，还构建了多种侧信道攻击：在Linux上针对网站和视频的指纹攻击（利用临时缓冲文件的写入模式），以及在Android设备上针对应用程序启动时写入模式的指纹攻击，F1分数、精确率和召回率均超过90%。最后，展示了跨容器攻击，包括容器检测技术和跨容器隐蔽信道。这些攻击表明文件系统的共享状态成为信息泄露的新渠道，对云环境和多租户系统构成威胁。

该论文提出了一种名为PATCH-FFT的基于补丁的Transformer架构，用于通过频域分析功率迹线检测休眠态的硬件木马。硬件木马（HT）是恶意实体嵌入集成电路中的恶意电路，通常通过功率侧信道隐秘泄露敏感信息，并在触发条件激活前保持休眠状态以避免检测。对于信息泄露型木马，在休眠态检测至关重要，因为一旦触发，秘密数据即被窃取。现有方法主要关注激活态木马，对休眠态检测效果不佳。PATCH-FFT首先使用实快速傅里叶变换（rFFT）将时域功率测量值转换为频域表示，从而揭示传统时域分析难以发现的频谱签名。然后，将频域信号分割为多个补丁，输入Transformer模型进行二分类（良性与木马植入）。实验在Trust-Hub基准数据集上进行，包含多种木马类型。结果表明，该方法在休眠和激活木马场景下平均检测准确率达到90.94%，优于现有最先进方法，尤其在休眠木马检测方面，之前的时间域方法无法有效处理该类问题。该工作为硬件安全领域提供了一种新颖、有效的休眠木马检测手段。

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。

该论文提出了一种自监督的声学窃听攻击方法，能够仅从键盘敲击声重建出用户输入的文本内容，而无需针对目标设备收集标注数据。传统声学侧信道攻击通常需要大量的标注数据或特定的设备校准，这限制了其实际威胁性。本文方法通过结合无监督声学聚类、基于Transformer的语言模型推理以及迭代自训练，有效解决了声学-字符映射高度不确定性问题。实验在多种真实场景下验证：包括将智能手机放置在目标键盘附近（近距录音）、同一桌面约3米距离录音、使用接触式麦克风隔墙窃听，以及视频会议中的背景键盘噪声。结果显示，在近距设置下仅需观测100-150次击键即可达到超过99%的重建准确率；在更具挑战性的场景中（如3米录音、隔墙），观测150-250次击键仍可取得高于90%的准确率。该方法完全基于音频信号，无需任何视觉信息或设备特定标注数据，显著优于以往的无监督基线方法。研究揭示了键盘敲击声带来的隐私泄露风险比以往认知的更为现实和严重。

本文提出一种名为 KernelSnitch 的新型软件侧信道攻击，该攻击针对操作系统内核中使用的数据结构（如哈希表和树）。这些数据结构的大小是动态变化的，从空到包含任意数量的元素。访问这些结构所需的时间取决于元素数量（即占用率），这种时间差异构成了一个时序侧信道，可以被用户空间中无特权的隔离攻击者观察到。虽然与系统调用运行时间相比，时间差异非常小，但作者展示并评估了可靠放大这些时间差异的方法。通过三个案例研究，作者证明了 KernelSnitch 允许无特权的隔离攻击者从内核和其他进程的活动泄露敏感信息。首先，他们展示了传输速率高达 580 kbit/s 的隐蔽信道。其次，他们通过利用 Linux 在哈希表中使用的特定索引，在不到 65 秒内实现了内核堆指针泄露。第三，他们演示了一种网站指纹攻击，F1 分数超过 89%，表明可以使用 KernelSnitch 观察其他用户程序中的活动。最后，作者讨论了针对这种硬件无关攻击的缓解措施。该研究揭示了操作系统内部软件引入的侧信道泄漏风险，即使假设硬件无泄漏，软件侧信道仍然存在。研究主要贡献在于提出了一种通用的软件侧信道攻击方法，并展示了其在多个场景下的实用性。

该论文提出了一种名为 LeakyLMs 的攻击方法，通过分析语言模型生成每个 token 的耗时（per-token timing），从远程 API 接口中窃取模型架构和推理优化部署细节，无需直接访问模型内部结构。攻击分为两部分：第一部分针对推理优化和部署策略，能够检测出提供商是否使用了推测解码（speculative decoding）等优化技术，并识别出草稿模型的上下文长度。例如，测量发现 Google Gemini Flash 2.5 使用了推测解码，且草稿模型上下文窗口约为 128K tokens。第二部分攻击旨在恢复模型的关键架构属性，包括 Transformer 层数、隐藏层维度和注意力头数。为实现这一点，LeakyLMs 构建了一个详细且准确的 token 生成时序模型，该模型基于现代 NVIDIA GPU 的硬件特性，刻画了延迟与模型配置及硬件参数的关系。随后，攻击利用该时序模型在架构空间中进行搜索，通过比较实际时序与预测时序来推断最可能的配置。在 Llama 系列模型上的实验表明，近正确的架构配置在 top-10 猜测中出现的概率超过 90%。该工作揭示了即使通过黑盒 API，仅凭 token 级别的时序信息也能泄露高度敏感的模型细节，对当前商业和开源 LLM 服务的机密性构成威胁。适合安全研究员、模型开发者及 LLM 服务提供商阅读。

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。

该论文研究了在Intel SGX（软件保护扩展）飞地中执行深度神经网络（DNN）时的架构泄露问题。作者提出了一种基于单步执行的新型侧信道攻击——DNN延迟序列攻击（DNN Latency Sequencing），通过精确测量DNN层执行的时间延迟，推断出DNN模型的架构信息，包括层数、层类型、连接方式和激活函数等。攻击者无需获取飞地内存内容或运行恶意代码，仅依靠时间测量即可提取模型架构。论文在真实SGX环境下对多种现代DNN架构（如VGG、ResNet、BERT等）进行实验，证明了攻击的有效性，并讨论了可能的防御措施。该研究揭示了SGX飞地中DNN部署的隐私风险，对安全社区具有重要警示意义。

本文针对 NIST 标准化候选算法 Hamming Quasi-Cyclic (HQC) 密钥封装机制，提出了一种侧信道攻击方法。HQC 是一种基于编码的密钥封装机制，其安全性依赖于稀疏秘密向量的使用。研究者分析了参考实现在 Cortex-M4 平台上生成的汇编代码，发现编译器生成的寄存器溢出导致 64 位字的高低 32 位部分具有不同的泄漏强度。利用这一泄漏表面，他们构建了一个简单的零字区分器，能够通过电磁测量判断秘密向量的机器字是否为零。恢复出的零位置随后被转化为解码提示，将 HQC 密钥恢复问题简化为缩短的综合征解码问题。针对所有 HQC 参数集的分析表明，在 32 位粒度下，HQC-1 中约 88.7% 的机器字为零，使得解码复杂度降至约 2^46 比特操作。实验在 Cortex-M4 上验证了预测的高低半部分不对称性（较强低半部分通道约 500 条迹线，较弱高半部分通道约 5000 条迹线），并以 32 位粒度恢复了 HQC-1 密钥的零字。最后，讨论了消除攻击所利用的稀疏性的实用对策。该研究揭示了 HQC 实现中的侧信道弱点，对后量子密码的物理安全性评估具有重要意义。

该论文针对加密流量侧信道防御中的参数选择问题，提出了一种基于率失真理论的可证明、可计算的理论基线。传统方法依赖经验调优，缺乏对“在给定服务质量（QoS）成本预算D下，持续观测下泄漏率能降低到多低”这一根本问题的理论回答。论文将语义标签序列X^n视为源，防御后的特征序列Y^n作为观测，采用Wasserstein-1距离作为防御成本度量，在平稳无记忆防御类Θ_iid中定义了侧信道率失真函数R^sc(D)，并给出了完整刻画。作者证明R^sc(D)具有单调递减、凸性、连续等优良性质，并给出了精确端点；最优防御具有指数倾斜（Boltzmann）结构，受KKT条件控制；该曲线构成了Θ_iid类内的精确Pareto前沿。对于二元等先验任务，通过Kantorovich-Rubinstein对偶得到D_max = (1/2)W_1(P_0,P_1)。在真实网站指纹防御场景中，该框架对Front、WTF-PAD和TrafficSliver三种防御系统进行了评估，发现它们远离理论曲线，次优性差距分别为0.028比特、0.034比特和0.124比特，量化了各防御系统的优化空间。该工作为加密流量侧信道防御提供了一个理论基准，有助于指导防御参数的理性选择，并为衡量现有防御系统的有效性提供了可比较的标尺。

本论文提出了一种针对增材制造（3D打印）系统的光学侧信道攻击方法，旨在窃取打印过程中的知识产权。作者通过分析3D打印机的视频记录，利用深度神经网络逐帧估计打印头的坐标轨迹。实验表明，该方法能够成功恢复任意打印过程的路径信息。通过数据增强技术，神经网络可以容忍摄像头位置、角度以及光照条件的一定变化，并且能够智能地进行插值，准确恢复训练数据集中未出现的图像坐标。该研究揭示了增材制造系统面临的光学信息泄露风险，对3D打印领域的IP保护提出了新挑战。

该论文研究现代云平台中容器和虚拟机（VM）之间通过共享页面缓存（page cache）产生的微架构时序侧信道泄漏问题。云平台为提升性能，通常让租户共享主机硬件资源，同时通过软件隔离（如容器、gVisor、Kata Containers、QEMU/KVM等）保证安全。然而，当租户访问主机文件系统状态时，主机页面缓存仍可能被共享且可观测。论文将这种页面缓存通道归类为操作系统介导的微架构时序侧信道，其信号由处理器微架构、内存和存储层次结构以及虚拟化机制共同塑造。作者评估了多种隔离运行时环境：Docker（直接共享宿主内核）、gVisor（使用systrap和KVM）、Kata Containers（使用QEMU和Cloud Hypervisor，搭配共享主机文件系统或块设备后端存储）、以及QEMU/KVM虚拟机（多种主机缓存策略）。实验发现，只要I/O路径暴露了共享、可缓存的文件对象（包括OverlayFS层、virtio-fs导出、回环块设备），时序信号就会持续存在。相反，直接I/O和专用块设备可以显著减弱或消除该信号。因此，虚拟化通过增加延迟和算法噪声改变了泄漏形态，但并未消除对共享硬件和缓存状态的底层依赖。论文通过一个案例研究展示了实际影响：从基于MySQL的WordPress部署中恢复粗粒度的活动信息。这些结果将页面缓存攻击置于更广泛的OS介导微架构时序信道类别中，并激励对时序隔离的协调硬件、虚拟化和OS支持。

该论文展示了一种名为Rain的攻击方法，利用已公布的旧漏洞（L1TF，2018年发现）与推测性越界加载组合，在公共云平台上实现跨虚拟机数据泄露。作者指出，云服务商通常采用孤立补丁方式缓解漏洞，而未消除根本原因，导致组合攻击仍可能奏效。实验在商业云环境中进行，攻击者无需了解主机或客户机的具体信息，在噪声条件下平均15小时即可泄露Nginx服务器的TLS密钥。该研究证实了即使在大型公共云中，基于瞬态执行的攻击仍具有现实可行性。

该论文针对英特尔TDX（Trust Domain Extensions）这一基于虚拟机的机密计算环境，系统研究了其微架构侧信道攻击面。TDX旨在保护租户代码和数据免受特权云操作系统的侵害，但往往将微架构侧信道排除在威胁模型之外。作者发现了四个新的侧信道原语：SEPTrace、Load+Probe、TSX-Probe和MWAIT-Probe，它们从主机侧以不同的时间精度暴露页级和缓存级活动。基于这些原语，作者构建了TDXRay框架，该框架能够产生未修改的机密虚拟机的高精度、缓存行粒度的内存访问轨迹。通过两个案例研究验证了TDXRay的攻击能力：(1) 经典AES T-table攻击，恶意虚拟机管理器通过访问模式泄露恢复出秘密密钥；(2) 针对大语言模型的攻击，主机通过监控标记化过程中的内存访问推断用户提示。实验表明，TDXRay能够从单次内存访问轨迹中可靠地恢复用户提示，对私有LLM推理构成严重威胁。最后，论文探讨了系统级和应用级的缓解策略，如基于ORAM的短期解决方案，并强调了长期改进TDX架构的必要性。

本文提出了一种名为AEX-NStep的新型侧信道攻击，针对Intel SGX安全飞地。该攻击通过统计中断事件的发生次数，以概率方式推断飞地内部执行的敏感信息。具体技术细节和实验评估因未提供摘要而无法详述。该研究属于对SGX安全性的持续探索，揭示了中断计数作为隐蔽信道的新利用方式。

该论文研究了云计算环境中分支预测器（Branch Predictor）隔离不完整所带来的安全风险。分支预测器是现代处理器中用于提高指令流水线效率的关键微架构组件，但在多租户云环境下，不同虚拟机（VM）可能共享物理CPU核心上的分支预测器硬件，导致隔离机制不完善。论文提出了一种名为VMSCAPE的新型侧信道攻击方法，利用分支预测器状态的残留信息跨虚拟机边界泄露敏感数据。攻击者通过精心构造的分支序列，能够探测并推断目标虚拟机内运行的应用程序的控制流，进而提取密钥等机密信息。实验在真实云平台上实施，证明该攻击可以成功突破当前基于Intel和AMD处理器的隔离保护，具有较高的精确率和较低的检测率。论文同时分析了多种现有防御机制的局限性，并讨论了硬件级和软件级缓解方案，如动态分区、随机化或禁用共享预测器等。该研究揭示了云环境下一个尚未被充分重视的微架构攻击面，对云服务提供商和安全研究人员具有重要参考价值。

本文提出了一种名为 Leafblower 的新型泄漏攻击，针对基于可信执行环境（TEE）的加密数据库系统。研究背景是，虽然 TEE（如 Intel SGX）旨在保护数据机密性和完整性，但加密数据库在 TEE 中运行时，仍然可能通过访问模式、时序等侧信道泄漏敏感信息。核心问题是，现有的加密数据库方案在 TEE 环境下是否真正安全。作者设计并实现了 Leafblower 攻击，利用数据库查询处理过程中不可避免的访问模式泄漏，通过观察系统级别的侧信道（如页面错误、缓存未命中）恢复出原始查询内容或数据分布。主要贡献包括：1）系统化地分析了 TEE 加密数据库的攻击面；2）提出了一个实用的泄漏攻击框架，并针对主流 TEE 加密数据库原型（如 EnclaveDB、StealthDB）进行了实验验证；3）实验结果表明，攻击能够在合理的观测次数下以高准确率恢复机密数据，证明了现有防御措施的不足。本文适合安全研究人员、数据库系统设计者以及 TEE 应用开发者阅读。

密码管理器被广泛用于生成和存储高强度密码，其内置的“受损凭证检查”功能允许用户在不泄露明文密码的前提下，检查自己的密码是否出现在已知的数据泄露中。然而，这类服务本身可能成为攻击面。本文提出了一类新型攻击——凭证提取攻击，攻击者通过控制受损凭证检查服务（例如作为中间人或恶意服务提供商），利用该服务返回的匹配结果或响应时间侧信道，逐步推断并最终提取用户的明文密码或哈希值。作者首先系统化地分析了主流密码管理器实现中检查协议的弱点，发现部分服务仅对匹配条目返回不同长度的响应，或采用易区分的错误码，这使得攻击者能够通过少量查询（例如几十次）精确还原密码。进一步，作者设计了一种基于二分搜索和频率分析的优化算法，在真实密码泄露数据集上评估了攻击效率：对于Google Password Manager、Bitwarden等流行产品，攻击成功率超过90%，平均提取一个密码仅需约50次查询。本文还讨论了潜在的防御措施，包括恒定时间响应、盲化查询、差分隐私噪声等，并实验验证了某些修补方案的有效性。该研究揭示了密码管理器生态中一个被忽视的安全风险，对安全社区设计更健壮的凭证检查协议具有重要警示意义。

本文针对Hertzbleed侧信道攻击提出了一种创新的缓解方案。Hertzbleed利用现代处理器动态频率缩放（DVFS）中的功耗变化泄露秘密信息，传统的缓解方法如恒定时间编程或禁用DVFS会带来显著的性能开销或功能损失。作者借鉴“金发姑娘与三只熊”的比喻，提出了三种基于形式化泄漏保证的策略（P-States），在安全性和性能之间取得平衡。具体而言，方法通过精确量化信息泄漏的上界，并动态调整处理器状态（P-state）来严格限制可观测的功耗变化，从而阻断侧信道。实验在真实处理器上实现并进行评估，结果表明该方案能够有效防止Hertzbleed攻击，同时相比完全禁用DVFS的性能损失降低约50%。核心贡献包括：1）首次将形式化泄漏保证引入动态电压频率缩放场景；2）提出三种可配置的P-State策略以适应不同安全需求；3）在真实平台上验证了可行性与有效性。本文适合硬件安全研究者、处理器微架构师以及侧信道防御开发者阅读。

本文研究了针对EMV非接触支付应用（如Apple Pay、Google Pay等）的秘密状态泄漏攻击。EMV协议在非接触支付中使用动态数据认证和交易计数器等秘密状态来保证安全性，但研究发现攻击者可以通过侧信道或协议实现漏洞，窃取或推测这些秘密状态，从而实施欺诈交易。论文分析了攻击对支付应用安全性的影响，提出了可能的安全增强方法。实验表明，多种主流支付应用存在潜在风险，攻击者可绕过交易限制或伪造支付凭证。

本文提出一种利用用户网络摄像头进行侧信道攻击的方法，以窃取在线投票中的隐私选择。作者通过分析用户投票时眼动轨迹，利用深度学习模型从视频流中提取视线方向特征，并结合投票界面布局，推断用户点击的选项。实验在受控环境下进行，使用多个参与者模拟投票场景，结果表明该方法能够以较高准确率（>85%）恢复用户的投票选择，且无需修改硬件或注入恶意代码。研究揭示了视频侧信道在投票隐私中的新风险，并讨论了可能的防御措施，如视线随机化或屏幕防窥膜。

该论文提出了一种名为Fuzz'EMup的方法，利用电磁（EM）侧信道辐射来指导纯黑盒环境下的嵌入式固件模糊测试。随着物联网和嵌入式设备在众多领域的普及，固件安全变得至关重要。模糊测试是一种系统化发现漏洞的有效手段，而覆盖率反馈能通过引导探索提升其效果。然而，许多设备由于固件提取、插桩或精确模拟的困难，导致覆盖率信息无法获取，测试者只能进行低效的黑盒模糊测试。论文的核心挑战在于如何将原始EM测量值转化为可靠的引导信号：EM迹线噪声大，时序抖动会导致不同迹线中的对应特征在时间上偏移。作者通过结合基于活动与空闲信号对比的频带选择（activity-to-idle signal contrast）和动态时间规整（dynamic time warping）来对齐每个输入的迹线并检测持续偏差，同时通过将执行组织成基于发散时间的树形结构来保持可扩展性。在四个真实固件目标上的评估表明，EM衍生的反馈增强了路径探索，相比无引导的模糊测试实现了更高的代码覆盖率。该方法为无法获取内部状态信息的黑盒固件测试提供了新的解决方案。

该论文提出了一种针对5G NR网络的跨层拒绝服务质量攻击（Denial of Service Quality, DoSQ）。攻击者通过解码5G基站在空口广播的下行控制信息（DCI），利用侧信道分析推断目标用户设备（UE）的应用层吞吐量（Goodput）。进而，攻击者在同一时隙（1ms）内针对受害UE的物理资源块（PRB）注入干扰，从而降低其应用层服务质量。实验基于私有5G NR测试平台，针对YouTube直播流实施攻击，结果显示能够将目标Goodput降低高达50%，而同一小区的非目标UE几乎不受影响。攻击者无需解密任何用户数据，仅凭DCI特征即可通过跨层分类器估计受害者的Goodput状态和趋势，在顶尖1%的置信度下达到0.87的精确度，相较于基准提升4.21倍。论文还提出了一种基于SSB跳频的反制措施，增加了攻击者重新同步的成本。该研究首次实证测量了无线层到应用层的侧信道，证明了协议感知的敌手可以利用该信道。

该论文提出了一种名为Vogls的开源Verilog模拟器，专门用于预硅功耗侧信道分析。现有功能验证模拟器（如Icarus Verilog和Verilator）在侧信道分析场景中存在不足：它们要么无法高效生成大量短迹线，要么缺乏精细的定时模型。Vogls首次结合了编译代码性能、全定时模拟（full-timing simulation）以及对模拟状态的细粒度控制。在门级AES设计上，Vogls比Icarus Verilog快5.9倍；在PicoRV32 RTL设计上，虽然比Verilator慢约30%，但提供了更精确的定时模型。Vogls提供了Python接口，允许用户在不修改硬件设计的情况下暂停、分支、检查和变异模拟点，从而保持定时和泄漏特征。此外，其迹线采集工作流只需执行一次设置代码，然后在兴趣点分支，避免了每次迹线都从复位重新模拟的开销。案例研究在RTL、GTL和全定时GTL抽象级别成功实现了差分功耗分析攻击，恢复了密钥。该工具旨在加速硬件安全设计的侧信道分析评估过程。

本文提出了一种名为 FLINT 的新型黑盒指纹识别框架，旨在通过 5G 物理层（PHY）侧信道推断联邦学习（FL）模型的架构家族（如 CNN、RNN、Transformer）。传统针对 FL 的侧信道攻击通常假设攻击者具有网络层数据包级别的可见性，但在 5G PHY 层，用户有效载荷经过加密，且无线网络临时标识符（RNTI）可能随时间变化，使得此类假设不成立。然而，作者发现在物理下行控制信道（PDCCH）上广播的调度元数据保留了与架构相关的时序模式。FLINT 通过解码 PDCCH 调度信息、将变化的 RNTI 映射到物理用户设备，并应用多视图时序建模，成功区分了不同架构在训练过程中产生的独特行为。该泄漏具有安全重要性，因为知道客户端的模型架构可将被动侦察转变为针对性的下游利用。作者在基于 srsRAN 的空中 5G 测试平台上进行了广泛实验，结果表明 FLINT 在架构家族分类任务上达到了 0.930 的宏观 F1 分数。据作者所知，这是首个利用 5G 低层侧信道信息对 AI/ML 模型架构进行指纹识别的工作。

该论文针对现代CPU微架构侧信道泄露信息的安全问题，提出了一种自动提取指令级泄露契约的方法。泄露契约是一种ISA级别的安全抽象，为安全CPU编程提供基础。由于当前微架构的复杂性，手动设计泄露契约需要大量人工工作，因此现代CPU缺乏专用的泄露契约。作者提出了一种最小人工干预的方法，为x86和ARM等主流CPU架构提取指令级泄露契约，并实现了首个无模板自动合成工具malcos。实验表明，malcos合成的契约在合成过程中观察到的泄露方面是精确和可靠的，证明了从黑盒CPU学习泄露契约的可行性。该方法的关键在于无需CPU内部设计细节，仅通过黑盒观察即可自动生成安全契约。

该论文聚焦于CPU异常处理过程中的微架构信息泄漏问题。异常是现代处理器安全机制的关键组成部分，用于实现虚拟内存、系统调用隔离等功能，但它们的微架构实现可能被攻击者利用，通过侧信道泄漏秘密数据。作者首先对异常导致的微架构泄漏进行系统性建模，涵盖了异常触发、处理返回等阶段中微架构状态的变化（如缓存、TLB、分支预测器等）。基于该模型，他们设计并实现了一套自动化测试框架，能够系统性地枚举不同异常类型（如页故障、保护故障、调试异常等）及其上下文，并测量微架构状态的可观察差异。实验在多个现代Intel和AMD CPU上进行，成功检测到多种泄漏模式，包括异常处理过程中缓存行和TLB条目的非预期残留，这些残留信息可以被攻击者通过时序或探测攻击获取。论文的主要贡献在于：首次对异常相关的微架构泄漏进行了形式化建模；提出了一种高效的自动化测试方法；实际发现了多个CPU中的新泄漏路径。该研究对硬件安全设计、操作系统内核以及安全监控软件（如侧信道检测工具）均有参考价值。

该论文提出了一种新型侧信道攻击方法——光学密码分析（Optical Cryptanalysis），通过测量设备电源指示灯（power LED）的光强波动来恢复加密密钥。尽管电源LED已广泛应用于执行加密操作的设备数十年，但其密码分析风险此前未被充分研究。作者利用光电二极管（photodiode）捕获设备在加密操作期间电源LED发出的光强变化，分析其中的细微波动以提取密钥。论文分析了多种消费设备（智能手机、智能卡、树莓派及其USB外设）电源LED的光学泄漏特性，以及影响光学信噪比（SNR）的因素。随后，作者在距离设备最远25米处，针对流行密码库（GnuPG、Libgcrypt、PQCrypto-SIDH）的旧版和新版，成功恢复了RSA、ECDSA和SIKE等公钥加密算法的密钥。该攻击属于非侵入式侧信道攻击，利用设备正常功能中的光学泄漏，无需物理接触或修改设备，展示了物理侧信道的全新向量。

本文提出一种名为FPLogger的新型侧信道攻击，通过电磁（EM）侧信道恢复智能手机屏下指纹传感器的指纹信息。随着屏下指纹传感器在新型智能手机中的广泛采用，作者发现用户在解锁过程中按压传感器时会辐射出电磁波，这些电磁波可以被攻击者捕获并用于重构用户的指纹图像。FPLogger首先利用高灵敏度电磁探头采集按下指纹传感器时发出的EM辐射信号，然后通过信号处理将EM信号映射为二维指纹图像，并进一步生成3D指纹片段，用于欺骗智能手机的指纹认证系统。作者在5款商用智能手机（涵盖光学和超声波两种屏下指纹技术）上进行了全面评估。实验结果显示，恢复的指纹图像与原始指纹具有较高的相似度；在50次端到端欺骗攻击中，FPLogger针对5款不同智能手机的成功率分别为top-1 24%和top-3 54%。该研究揭示了屏下指纹传感器的一个新安全漏洞，表明EM侧信道可用于绕过生物识别认证，对移动设备安全构成威胁。本文适合移动安全研究人员、生物识别安全工程师以及对侧信道攻击感兴趣的学者阅读。

该论文首次提出针对容错量子计算机中解码系统的侧信道攻击新类型。在容错量子计算中，解码器负责处理从量子硬件实时获取的综合征数据以纠正错误。然而，论文指出这些综合征数据可能泄露正在执行的逻辑电路信息，从而构成侧信道攻击。作者引入了“门指纹”概念，即综合征数据中能指示特定逻辑运算的独特模式。通过聚焦于表面码中的Clifford+T计算，他们展示了不同逻辑操作如何在综合征数据中产生可区分的指纹。进一步，论文探讨了如何利用这些指纹推断量子计算机上运行的电路或算法。实验表明，解码系统可成为攻击向量。因此，建议解码系统应由可信方构建或加强安全防护。该研究对量子计算安全领域具有前瞻意义，适合量子安全研究人员和量子计算机架构开发者阅读。

本文针对增强现实（AR）和虚拟现实（VR）环境中通过头戴显示器（HMD）进行虚拟键盘打字时可能存在的隐私泄露问题，提出了一种新型侧信道攻击SNOOPFINGER。研究背景是AR/VR技术在金融、教育等领域的快速普及，用户通过手部追踪与虚拟对象交互，虚拟键盘成为主要输入方式。然而，用户打字时伴随的细微头部运动可被HMD传感器（无需额外权限）捕获，从而泄露输入内容。SNOOPFINGER的核心创新在于采用跨模态方法，仅依赖头部运动数据推断用户手部键入的信息，无需控制器或受害者先验数据。攻击流程包括：首先收集受害者打字时的头部运动轨迹，然后通过机器学习模型（如神经网络）映射到按键序列，最终重构单词或句子。实验招募24名参与者，在模拟AR/VR环境中进行打字任务，结果表明：单词推断Top-1准确率达55.2%，句子重建准确率达68.8%。该研究首次证明零权限的头部运动数据可被利用来窃取隐私输入，揭示了HMD环境下直接手打输入的重大安全风险。最后，论文讨论了潜在的缓解策略，如引入随机抖动、限制传感器采样率或使用噪音干扰。该工作对AR/VR系统设计者、安全研究人员以及用户隐私保护具有重要参考价值。

深度神经网络（DNN）在众多应用领域中展现出卓越性能，随着模型规模与复杂度的增长，硬件DNN加速器日益普及。基于FPGA的DNN加速器兼具接近专用集成电路（ASIC）的效率与出色的灵活性，成为快速演进的深度学习实现的主要硬件平台之一，尤其在边缘设备中。这也使其成为攻击者的有利目标。现有针对FPGA DNN加速器上DNN模型机密性的攻击往往假设攻击者完全了解加速器架构，但这一假设在真实世界的专有高性能FPGA DNN加速器面前并不成立。本研究提出了一套全面且有效的逆向工程方法，用于揭秘FPGA DNN加速器软知识产权（IP）核。我们以AMD-Xilinx的先进深度学习处理单元（DPU）为对象进行演示。该方法依赖于原理图分析，并创新性地结合电磁（EM）侧信道分析来揭示DNN加速器的数据流与调度机制。据我们所知，这是首次成功逆向工程商业加密DNN加速器IP的工作。此外，我们基于逆向工程结果探索了暴露的攻击面，包括成功恢复DNN模型架构和提取模型参数。这些成果对真实世界的商业FPGA-DNN加速系统构成了重大威胁。论文还讨论了潜在的防御措施，并为基于FPGA的IP保护提出了建议。

本文揭示了一种利用NAT路由器中普遍存在的端口保持策略缺陷和反向路径验证不足的侧信道漏洞，使得处于同一Wi-Fi网络的攻击者能够推断并劫持受害者与外部服务器之间的TCP连接。具体而言，攻击者首先通过发送伪造的TCP包探测受害者是否建立了TCP连接，进而利用路由器禁用TCP窗口跟踪机制（多数路由器默认开启此机制）的漏洞，驱逐原有的NAT映射并建立新映射，从而拦截服务器发送至受害者的TCP包，并获取序列号和确认号。基于此，攻击者可以强制关闭连接、明文篡改流量或重定向服务器数据包至自身。作者测试了来自30个厂商的67款主流路由器，其中52款受影响；对93个真实Wi-Fi网络的测量显示，75个（81%）完全易受攻击。案例研究表明，攻击可在平均17.5秒内终止SSH连接（成功率87.4%），19.4秒内从FTP服务器下载私密文件（成功率82.6%），54.5秒内注入伪造HTTP响应（成功率76.1%）。已向所有受影响厂商负责任披露漏洞，并建议启用TCP窗口跟踪、强化NAT端口随机化等缓解措施。

该论文通过半结构化访谈，调查了密码学库开发者对时序攻击（Timing Attacks）的认知、态度和实践。研究者访谈了来自Libsodium、BoringSSL、WolfSSL、OpenSSL、Curve25519等知名库的20位核心开发者。研究发现，开发者普遍认为时序攻击“并不那么难以缓解”，但实际存在诸多误解：例如，开发者常将时序攻击与其他侧信道攻击混淆，倾向于依赖操作系统级防护（如内核抢占调度）而非编写恒定时间代码，且对恒定时间编程的最佳实践缺乏共识。此外，多数开发者未使用形式化验证工具或专门的测试框架来检测时序泄漏。论文还揭示了学术研究与实践之间的鸿沟：开发者很少阅读相关学术论文，且认为学术界的攻击模型过于理想化。研究者据此提出了改进建议，包括建立更适合开发者阅读的时序攻击分类法、推广易于使用的恒定时间代码检查工具，以及在库的文档和CI流程中集成自动化检测。该工作为提升密码学库的侧信道安全性提供了重要的实证基础。

现代数据中心日益依赖大规模 GPU 集群和现场可再生能源，导致计算负载与电力电子主导电网之间形成紧密耦合的物理信息系统。本文提出了一种此前未被探索的脆弱性 Bit2Watt：攻击者通过操纵 GPU 工作负载，诱导受控的高频功率调制，从而破坏本地电力基础设施的稳定性，并反向传播以中断计算服务。与传统的攻击（如攻击电网侧设备或通信链路）不同，Bit2Watt 完全在网络层作为合法租户运行，能够放大波动、谐波失真和阻尼退化，尤其在高分布式能源渗透场景下。该风险难以通过常规的云侧和设施侧监控检测，因为它利用了合法的工作负载执行路径，并将其独特行为集中在高频分量中，而常见遥测对此捕获较弱。作者通过基于阻抗的分析、电力系统仿真以及针对 GPU 和并网光伏逆变器的实际实验验证了 Bit2Watt。在同步最坏情况聚合模型下，操纵一个 90% 分布式能源的 1MW 本地电力系统中的 1000 个 GPU，会使电流总谐波失真达到 46.8%，阻尼比降至 -0.27。进一步研究表明，由此引起的电能质量下降会给数据中心供电设备带来压力，触发保护机制，并在极端模拟情况下导致输电级系统级联故障。此外，本文还分析了可能的 Watt2Bit 反馈路径，包括拒绝服务风险以及通过 EMI 侧信道进行隐秘信息窃取。该工作强调了迫切需要跨层防御机制，协同考虑工作负载调度和电力电子。

本文针对 NIST 标准化的后量子签名方案 ML-DSA（基于格）的随机性泄露攻击展开研究。ML-DSA 的安全性依赖于签名随机性和拒绝采样机制，使得签名与私钥统计独立。然而，实际部署中可能因侧信道攻击等方式泄露部分随机性，导致签名泄漏转化为 ILWE（Inhomogeneous Learning With Errors）族问题，进而威胁私钥安全。现有工作主要关注不同泄露模型下构建ILWE实例，而对第二阶段求解器的系统性研究不足，通常采用特定模型的启发式求解器。本文提出统一框架，系统评估三族求解器（包括普通最小二乘OLS、信念传播BP、先验感知离散推断）在泄漏生成的ILWE、FS-ILWE（Fiat-Shamir ILWE）和CILWE（Concealed ILWE）实例上的恢复效率。实验表明，求解器选择对密钥恢复效率影响显著：在FS-ILWE上，先验感知离散推断相比基准方法将信息关系数量降低1-2个数量级；与OLS相比，BP在无噪声设置下减少因子15.4倍至64.9倍，在有噪声设置下减少10.5倍至73.9倍。本文首次对随机性泄露攻击中的求解器进行系统评估，为ML-DSA的安全性分析提供了新的基准。适合密码学家、安全分析师及后量子密码实现者阅读。

该论文研究了Android设备中基于功率的侧信道攻击。现代计算机系统面临软件功率侧信道攻击的威胁，攻击者可以通过分析功耗变化窃取敏感信息。以往攻击如PLATYPUS依赖专用接口的直接功率信号，Hertzbleed则利用功率相关的时序变化。但随着平台对直接功率信号的访问限制，探索其他功率相关信号变得重要。本文发现Android移动设备通过传感器框架暴露了多种功率相关信号，这些信号反映了功耗的寄生影响。作者系统分析了多个设备上Android传感器框架中非特权传感器，识别出新的泄露原语：地磁旋转矢量传感器的旋转依赖功率泄露。通过对比地面真值，部分传感器的相关性超过0.9。极端情况下，CPU压力可使指南针指针偏转约30度。论文通过两个案例研究评估了泄露原语：远程攻击者通过Google Chrome浏览器、本地攻击者通过安装的App。特别地，作者实现了端到端的像素窃取攻击，以每像素5-10秒的速率绕过浏览器的跨源隔离。此外，利用新泄露原语展示概念验证的AES攻击，泄露单个密钥字节。论文揭示了Android传感器框架的安全风险，为防御者提供了新的关注点。

本论文是一篇关于深度学习硬件侧信道漏洞与防御措施的综述。随着深度学习模型在医疗、金融、安全等关键领域的广泛应用，确保其免受新兴威胁变得至关重要。侧信道攻击（SCAs）是一类特殊威胁，它利用硬件的物理或微架构特性（如功耗、电磁辐射、时序、缓存行为等）来窃取敏感信息，包括模型架构、参数甚至用户输入，而无需直接访问模型内部。论文首先对泄漏源和攻击者目标进行了分类：泄漏源可划分为时序、功耗、电磁、声学等；攻击者目标分为窃取模型架构、提取超参数、恢复输入数据等。接着，论文分析了多项代表性研究，这些研究展示了针对深度学习硬件（如GPU、TPU、FPGA）的实际侧信道攻击案例，证明攻击的可行性和危害性。例如，通过监控功耗或缓存访问模式，攻击者可以推断神经网络层数、激活函数类型、权重精度等信息。然后，论文回顾了现有防御措施，包括硬件层面的随机化技术、掩码方案、恒定时间执行，以及软件层面的混淆、噪声注入、屏蔽等。最后，论文指出了当前开放的研究挑战和未来方向，例如：如何在性能与安全之间取得平衡；针对新型架构（如Transformer）的侧信道攻击；以及更有效的自动化防护评估工具。本文适合安全研究人员、硬件设计工程师以及关注深度学习部署安全性的从业者阅读。

现代处理器架构的复杂性导致其组件之间存在复杂的交互，这些交互可能产生侧信道攻击向量，用户态程序可利用这些侧信道泄露秘密数据。利用和防御此类侧信道需要对目标组件有详细理解，但许多CPU的此类细节信息通常未公开。本文提出"泄漏模板"（Leakage Templates）概念，用于抽象描述特定侧信道并识别其在二进制应用程序中的出现。作者设计并实现了PLUMBER框架，从已知导致泄漏的单个代码序列（例如先前工作发现的序列）中推导出通用的泄漏模板。PLUMBER结合指令模糊测试、指令操作数变异和统计分析，探索微架构优化的未公开行为，推导出易受攻击代码输入的充分条件，当这些条件满足时可触发可区分行为。利用PLUMBER，作者在ARM Cortex-A53和A72核心上基于泄漏模板识别了新的泄漏原语，特别是与"previction"（一种新的提前缓存驱逐）和预取行为相关的原语。通过重新识别Shin等人首次报告的OpenSSL 1.1.0g中基于预取器的漏洞，展示了泄漏模板的实用性。该研究为微架构侧信道的系统化发现和表征提供了新方法。

本文提出了观察者商安全（Observer-Quotient Security）框架，用于研究交互式密码系统的安全性，其中安全性取决于允许的观察者能够从会话记录、泄漏痕迹和隐藏实现延续中区分的程度。作者定义了基于观察者的实验模型，包括会话标识符、自适应调度器、预言机转发、模拟器、理想商功能和非均匀环境，并证明了真实/理想模拟定理：顺序态射缺陷可加，并行缺陷服从乘积-TV 界，自适应观察者选择通过显式的包装器构造吸收。所得优势界由多个参数索引：δ_obs,t、δ_K,t、δ_post,t、δ_sim,t、η_t 以及残差底数 ρ_T(E Z_T)。该框架实例化于带时序泄漏的 IND-CPA 加密、带熵账本的确定性加密，以及有限状态侧信道精化（涵盖踪迹、时序、缓存、功耗、电磁和轮廓观察者）。优化/控制部分将隐藏延续识别为可观测性核，将传感器重新设计视为商精化，并将耗散性、PL 型速率和 ISS 残差界转化为区分优势的具体缩减。附带代码和合成数据可用于重现有限状态泄漏审计和 LTI 观察者设计基准。本文适合密码学形式化方法、侧信道分析以及控制理论交叉领域的研究者阅读。

本文提出了一种基于多模态侧信道的非视距知识产权盗窃攻击方法，针对增材制造（3D打印）过程中的物理侧信道泄露。现有攻击面临三个挑战：最终G-code重建成功率低、攻击距离有限、依赖专用且显眼的采集设备。作者利用两部智能手机的内置传感器（麦克风和磁力计），在非视距（NLoS）条件下放置于60厘米外，分别采集3D打印机运行时的声学和磁场发射信号。通过多模态信号融合与机器学习处理，成功以98.89%的命令级重建准确率还原出最终对象的G-code指令。该方法在另一台不同环境的3D打印机上进行了迁移性评估，验证了攻击策略的泛化能力。研究揭示了增材制造系统中通过侧信道未授权访问G-code（进而窃取知识产权）的安全脆弱性，强调了部署侧信道缓解措施的必要性。论文主要贡献包括：首次利用商用智能手机在非视距条件下实现高精度G-code重建，突破攻击距离限制，并论证了攻击的跨设备可迁移性。

本文聚焦后量子密码标准ML-KEM（即Kyber）在硬件实现中面临的侧信道攻击威胁。ML-KEM的解封装过程包含Fujisaki-Okamoto（FO）验证步骤，该步骤对功耗和电磁侧信道分析特别敏感。作者针对常见的FPGA实现和微控制器实现，分别评估了三种验证方案：未保护实现、基于哈希的一阶掩码实现以及高阶掩码实现。实验结果表明，尽管FPGA提供更高的速度和并行性，但其侧信道泄漏往往更严重，尤其是在高带宽配置下。高阶掩码设计仍因硬件级效应和数据相关处理而泄漏底层数据信息。更关键的是，FPGA上的并行处理引入了足够的一阶泄漏，能够实现完整的私钥恢复。这些结果强调了在性能受限和并行化的硬件环境中保护后量子密码算法的持续挑战。本文适用于硬件安全工程师、后量子密码实现者以及侧信道防御研究人员。

本文研究了WiFi通信中波束成形反馈信息（BFI）的隐私泄露问题。随着WiFi连接设备的普及，利用信道状态信息（CSI）进行人体感知的技术日益成熟，但这也带来了隐私风险，例如攻击者可通过拦截WiFi信号推断室内占用情况，进而用于入室盗窃或跟踪等恶意场景。作者提出了一种名为LeakyBeam的新型占用检测攻击，它利用WiFi CSI中的一个新侧信道——波束成形反馈信息（BFI）。BFI是WiFi 802.11ac/ax标准中用于优化传输的反馈机制，其数据包以明文形式传输，且能穿透墙壁保留人体运动信息，因此成为隐私敏感信息的丰富来源。通过捕获BFI数据包，攻击者可在20米外实现82.7%的真阳性率和96.7%的真阴性率，验证了攻击的有效性。为缓解此威胁，作者还提出了一种防御机制，通过对BFI数据包进行混淆，仅需对硬件进行微小修改即可降低信息泄露风险。本文的研究揭示了WiFi通信中一个被忽视的隐私漏洞，并提供了实用的防御方案，对无线安全、隐私保护以及物联网设备设计具有重要参考价值。

该论文研究了硬件图形数据压缩的侧信道安全隐患，重点关注 GPU 中集成的无损压缩模块（如 Display Stream Compression 或类似机制）如何意外地成为信息泄露的渠道。研究者发现，由于压缩算法对输入数据的统计特性敏感，其压缩率（从而压缩时间）会随数据内容变化而产生可观测的差异。跨进程攻击者可以通过共享 GPU 缓冲区或观察渲染时序，推断出受害进程的图形数据中是否存在特定模式或秘密信息。论文提出了一种新的侧信道模型，基于压缩后数据大小的变化或渲染帧率的波动来提取信息。实验证明，在现代 GPU 上，该信道可以达到足以泄露像素值或文本内容的带宽。研究强调，即使图形数据本身不被内核直接共享，压缩的副作用也可能破坏隔离性。该工作首次系统性地评估了 GPU 图形压缩作为侧信道的风险，为未来的硬件安全设计提供了警示。

本文提出并评估了一个用于过肩视频监控（Over-the-Shoulder Video Surveillance）的多模态触摸检测框架，旨在从物理手指交互中重建移动键盘上的按键事件。该框架并行集成四种检测模态：MediaPipe 手部关键点、HSV肤色滤波、时间帧差运动检测以及基于形状的Canny边缘分析。在受控的120帧第一人称演示视频（包含密码输入）上，单独的Motion-Only和Edge-Only配置分别达到18.5%和18.2%的F1分数，而完整的多模态配置F1分数仅为16.7%，按键序列与真实iOS密码布局的相似度仅为3.0%。消融实验、分辨率衰减、噪声敏感性和邻近阈值调优表征了系统的操作边界。在5段真实公开的第三人称手机视频上评估时，系统每帧平均检测出57个触摸点（峰值205），比真实点击速率高1~3个数量级，原因是肤色滤波器响应整只手而非指尖接触。结论指出：在受控校准场景下获得的按键重建结果无法推广到非受控真实视频，系统无法实现可靠的按键重建。

本文研究了苹果自研 ARM 架构处理器（Apple Silicon）上 macOS 系统的内核地址空间布局随机化（KASLR）安全性。KASLR 是一种基于随机化的内核加固技术，但历史上容易受到微架构侧信道攻击。现代 macOS 系统通过内核隔离（kernel isolation）将内核页表与用户空间页表分离，试图阻止 KASLR 突破攻击。本文发现，利用系统调用中的 Spectre 型推测执行 gadget，无特权攻击者可以诱导对选定内核地址的转换，使 TLB（转换后备缓冲区）根据地址的有效性发生变化，从而构建绕过内核隔离的 KASLR 突破原语。研究人员通过硬件性能监控单元对多种 M 系列处理器上的 TLB 内部结构进行逆向工程。基于该原语，他们实现了 SysBumps——首个针对 Apple Silicon 上 macOS 的 KASLR 突破攻击。实验评估表明，SysBumps 能够在不同 M 系列处理器和 macOS 版本上有效突破 KASLR。文章还讨论了可能的缓解措施。该研究揭示了即使在内核隔离存在的情况下，推测执行侧信道仍可被利用，对苹果生态系统的安全性构成了严重威胁。

HammerScope 是一项针对 Rowhammer 攻击的新研究，揭示了 DRAM 行锤击操作不仅导致比特翻转，还伴随可观测的功耗波动。论文首先分析了 Rowhammer 操作对 DRAM 芯片功耗的影响机制：重复激活（行锤击）使得存储单元漏电流增大，进而导致芯片的瞬时功耗上升。通过设计精密的测量电路（利用片上电压调节器或外部示波器感知电流变化），作者展示了攻击者可以在无需物理接触内存芯片的情况下，远程从 DRAM 功耗信号中泄露秘密信息。具体而言，攻击者通过构造特定的内存访问模式（如交替访问相邻行）引发目标行电荷泄露，同时从 DRAM 的电源引脚或系统主板上的供电节点测量功耗变化的幅度与频率。论文在不同 DRAM 型号（DDR3、DDR4）上验证了该方法的有效性，并实现了针对 RSA 解密过程中密钥位信息的推断——观察到功耗波形与算法中条件分支存在相关性，从而可以提取密钥。此外，作者讨论了现有 Rowhammer 防御措施（如 ECC、目标行刷新、内存加密）对功耗侧信道的局限性，并提出了基于功耗隔离或随机化访问序列的潜在缓解思路。实验结果表明，HammerScope 能够在数秒内以高准确率恢复 RSA-2048 的密钥位，且不影响 DRAM 的正常功能。该工作将 Rowhammer 的攻击面从完整性扩展到了机密性，对云环境、共享内存系统的安全设计具有重要警示意义。

本文提出了WGPULens，一个系统化测量WebGPU隐私泄露风险的框架。WebGPU作为新的Web图形API，允许网页通过验证的编程模型运行GPU工作负载，虽然验证机制保证了内存安全，但共享的浏览器、驱动程序、操作系统和GPU状态仍可能暴露隐私敏感信号。WGPULens从四个维度进行测量：控制场景实验、浏览器原生协同驻留测试、参与者现场研究、真实网页Tranco爬取。控制场景实验识别出持久的管线编译状态是最清晰的泄露表面，冷/暖管线探测可揭示先前编译状态，并能从浏览器可见观测中推断原生GPU活动。其他资源探针结果较弱或呈阴性。参与者现场研究显示WebGPU行为在样本内具有高度独特性，确定性组件在单次运行内稳定，但跨重复访问的精确稳定性较低。网页爬取发现WebGPU主要用于适配器探测和静态支持代码，未见页面加载时编译管线、队列、查询或映射活动。缓解措施试验表明，源代码级密钥分离可作为评估管线缓存分区的代理。总体结论是WebGPU隐私分析必须针对具体表面进行：浏览器需测量哪些GPU状态跨越哪些边界，哪些浏览器可见信号可揭示它们，以及对应缓解措施的成本。该研究对浏览器厂商、Web标准制定者和关注Web隐私的安全研究人员具有重要参考价值。

本文提出 PowerFuzz，一种基于功耗侧信道测量的统计黑盒固件模糊测试框架。其核心动机是：许多嵌入式系统的固件或二进制文件不公开，导致无法使用依赖执行反馈（如分支覆盖率）的灰盒模糊器。PowerFuzz 无需目标固件的任何内部可见性，仅通过测量固件运行时的功耗迹线来推断执行路径。为了解决黑盒模糊中确定执行分支的挑战，作者采用滑动窗口结合增长窗口的全迹线相关方法，利用功耗迹线识别分支行为，并构建固件的高层控制流图。该控制流图用于引导模糊器生成测试用例，探索未覆盖的执行路径。实验在三个嵌入式硬件平台（如 ARM Cortex-M 系列）和十个固件基准测试上进行，结果表明 PowerFuzz 的分支覆盖率与灰盒模糊器相当（差距在 13.5% 以内），且显著优于现有的黑盒模糊器（最高提升 22%）。该方法为闭源固件安全测试提供了一种实用且有效的途径。

该论文首次提出了一种针对现代超标量CPU中调度队列（Scheduler Queue）的侧信道攻击——SQUIP攻击。调度队列负责决定指令按何种顺序分配到各个执行单元，以往未被作为侧信道研究，因为Intel CPU仅有一个调度队列，其竞争现象与重排序缓冲区的竞争几乎相同。然而，Apple M1、AMD Zen 2和Zen 3微架构为每个执行单元配备了独立的调度队列，使得攻击者可以通过探测特定调度队列的占用水平来泄露信息。研究者首先逆向工程了这些CPU上调度队列的行为，证明了可以被初始化和探测。SQUIP攻击能够从同一硬件核心内部以及跨SMT线程观察占用水平。在隐蔽信道测试中，攻击在虚拟机之间实现了0.89 Mbit/s的泄露速率（错误率低于0.8%），在进程之间实现了2.70 Mbit/s（错误率低于0.8%）。进一步，在协同定位进程和虚拟机上针对mbedTLS RSA签名过程发起侧信道攻击，仅用50,500次迹（traces）平均即可恢复完整的RSA-4096密钥，平均错误比特数少于5至18比特。论文讨论了必要的缓解措施，尤其是针对Zen 2和Zen 3系统。该攻击揭示了调度队列这一新的侧信道泄露源，对机密计算和云环境中的密钥保护构成威胁。安全研究人员和CPU微架构设计者应重点关注。

本文研究了一种名为CapSpeaker的新型攻击方法，能够在没有扬声器的情况下，通过电子设备内部的电容器向麦克风注入恶意语音命令。核心原理是利用电容器的逆压电效应：当施加交变电压时，电容器会因压电材料变形而产生机械振动，从而发出声音。然而，电容器作为扬声器存在两个挑战：一是其频率响应在可听声范围内表现较差；二是攻击者无法直接控制电容器两端的电压来精确调控发声。为克服这些困难，作者提出基于PWM（脉宽调制）的调制方案，将恶意音频信号调制到高频载波（例如20kHz以上），并设计恶意软件来控制电容器上的电压，使其播放选定的语音命令。实验使用了一个改装LED灯和一个商用LED灯作为发射源，对5款目标设备（包括iPhone 4s、iPad mini 5、华为Nova 5i等）进行了测试。结果表明，在距离最远10.5厘米时，CapSpeaker仍能成功触发智能手机接收并执行语音命令，例如“开门”。该研究揭示了硬件层面新型侧信道攻击途径，对语音助手安全性提出了新的挑战。

本文揭示了现代大语言模型（LLM）服务引擎中检索增强生成（RAG）和非前缀键值（KV）缓存融合机制存在的一类结构性安全漏洞。与以往需要严格线性前缀对齐的KV缓存侧信道攻击不同，本文发现基于分块感知内存调度的微架构机制会无意中泄露连续的“Step-Wave”时序信号。作者在此基础上提出了SpliceLeak，这是首个针对非前缀KV缓存融合的端到端侧信道攻击。SpliceLeak通过两个阶段实现隐私窃取：首先结构性地指纹识别隐藏私有提示的精确长度，然后通过操纵边界碰撞逐token提取精确语义内容。在结合vLLM和LMCache的生产级框架上评估表明，SpliceLeak在有限熵场景下可达100%的提取成功率，攻击仅需每个token约63次请求即可穿透连续批处理噪声。为缓解该漏洞，作者提出了SpliceDefense，一种包含量化分块填充（QCP）和恒定时间边界融合（CTBF）的双部缓解框架。实验证明SpliceDefense能有效消除侧信道信号（Delta TTFT ≈ 0），且吞吐量开销可忽略，同时保留了全局缓存共享的关键优势。本文的发现揭示了内存去重与安全性之间的根本冲突，对LLM安全研究具有重要参考价值。

本文研究网络交换机中数据包调度算法的隐私泄露问题。现有的调度算法如FIFO和赤字轮询（DRR）虽然能提供良好的利用率或公平性，但会通过时序侧信道泄露信息，导致用户隐私暴露。作者提出了一种新的混合调度机制——无差别优先调度（Indifferent-First Scheduling, IFS），其核心思想是允许客户端选择加入隐私保护模式，在此模式下IFS提供强隔离（类似于时分多址TDMA），而其他未选择隐私保护的客户端仍可享受FIFO或轮询调度的性能和利用率。这种混合设计克服了传统强隔离机制（如TDMA）利用率低、延迟高的缺点。作者进一步分析了现代可编程交换机的局限性，指出直接实现IFS会损害隐私保证，但在新提出的先进先出（PIFO）队列架构中，可以实现线速运行且具备完整安全性的IFS版本。本文主要贡献包括：提出IFS调度机制、证明其隐私性能权衡的优势、以及在PIFO架构中的可实现性。适合网络安全、隐私保护及网络系统领域的研究者阅读。

本文提出了一种名为DISARM的新型运行时侧信道漏洞缓解方法。运行时侧信道攻击利用程序执行时间的波动来窃取敏感信息（如加密密钥、敏感变量数据）。现有解决方案通常试图平衡敏感代码在不同控制流路径上的执行时间，以消除时间泄露，但多数方法未考虑目标程序所运行的底层硬件或设备，导致过度修复、修复不足甚至失效。DISARM采用联合硬件-软件的方法，通过从真实嵌入式设备中获取时序值，生成针对性的软件修复补丁。该方法支持C、C++和Java源码，在22个标准基准测试上进行了验证。与PENDULUM和DifFuzzAR等现有解决方案相比，DISARM在执行时间开销、代码大小开销和正确性方面在五种不同的嵌入式/边缘设备上均表现出更优性能。

像素窃取攻击是一种跨域信息泄露技术，允许恶意网站通过嵌入受害者网站的iframe并使用SVG滤镜计算像素值，从而侧信道泄露敏感内容。该攻击由Stone于2013年首次提出，但现代浏览器和网站通过严格限制iframe的嵌入（如X-Frame-Options、Content Security Policy）以及防止跨域cookie共享（如SameSite属性）已大幅缓解此类威胁。本文回顾了像素窃取攻击的历史演进，分析了当前浏览器安全机制的有效性，并探讨了在现有防御下是否仍存在绕过可能。研究可能聚焦于发现新的侧信道或利用浏览器API的细微漏洞，但摘要未提供具体技术细节或实验验证。该工作对理解Web安全边界和同源策略的局限性具有参考价值。

该论文系统性地研究了AMD SEV-SNP（安全加密虚拟化-安全嵌套页表）中的密文侧信道问题。先前工作（CipherLeaks，USENIX Security 2021）仅关注VMSA（虚拟机保存区域）页面的密文变化，通过监控上下文切换时VM保存的寄存器值，成功打破了OpenSSL中RSA和ECDSA的恒定时间加密实现。本论文扩展了这一攻击面，指出密文侧信道并非局限于VMSA页面，任何内存页面（包括内核数据结构、栈和堆）的密文都可能泄漏信息。因此，AMD针对CipherLeaks的现有固件补丁（在VMSA页面的密文中引入随机性）不足以从根本上解决问题。根本原因在于AMD SEV内存加密使用了无状态且未认证的加密模式，并且攻击者对加密内存的密文具有无限制的读取权限。由于从硬件设计层面彻底修复漏洞面临挑战，该论文提出了一套软件缓解措施，包括对操作系统内核和加密库的补丁，并正在与AMD合作将这些变更合并到受影响的开源项目中。论文贡献在于揭示了比CipherLeaks更广泛的攻击面，证明了现有固件缓解措施的不足，并提出了实用的软件防御方案。

该论文提出了一种名为Clairvoyance的新型侧信道攻击方法，利用图形处理器（GPU）在执行深度神经网络（DNN）任务时产生的远场电磁辐射，在距离数米甚至穿过障碍物（如墙壁）的情况下窃取DNN模型的架构信息（如层数、每层宽度、卷积核大小等）。现有研究表明，GPU的电磁辐射可被远距离捕获，但之前的工作仅能识别简单的计算模式。本文首次证明，通过分析高频电磁信号，可以反推出复杂DNN模型的内部结构。作者设计了一套信号处理与机器学习流程：首先使用天线接收GPU的电磁泄漏信号，然后通过时频分析和特征提取将信号映射到DNN算子（如矩阵乘法、卷积），最后利用分类器推断每层的类型和参数。实验在多种典型DNN架构（如VGG、ResNet、Transformer）上验证，攻击成功率超过90%。该研究揭示了硬件电磁侧信道在AI模型保密性方面的新威胁，表明即使物理隔离或使用墙遮挡也无法完全保护模型架构。

该论文针对CPU侧大语言模型（LLM）分词器在机密计算环境（结合CPU和GPU可信执行环境）中存在的安全漏洞进行了深入研究。分词器通过表驱动查找将提示词转换为token，其内存访问模式会泄露用户输入的侧信道信息。已有工作证明，在Intel TDX上可以完整恢复用户提示词。直接使用树形不经意随机存取存储器（如PathORAM）虽然能防止访问模式泄露，但会导致分词器延迟增加约13倍，使首Token时间（TTFT）上升10%-58%。为此，本文提出OTRO（Oblivious Tokenization Path with Square-Root ORAM），一种针对延迟敏感的LLM服务的高效、无泄露的分词路径方案。OTRO基于平方根ORAM实现快速单次访问查找，但通过三项关键创新避免了平方根ORAM每√N次访问所需的昂贵的O(N log²N)重构开销：第一，利用分词器表的只读特性，提供一组复制的平方根ORAM实例池；第二，基于epoch的轮换策略将访问与重构解耦，并在每个epoch边界填充假访问以最小化可观测信息；第三，分块KV缓存感知的分词进一步将重构与GPU预填重叠，并最小化实例数量。在HuggingFace Tokenizers和nano-vLLM中实现，并运行于NVIDIA H100 GPU的TDX使能CVM中，OTRO将TTFT开销限制在最多4.5%，分词器引起的延迟低于总TTFT的10%，额外内存开销小于0.5GB，同时显著降低了分词器在不同模型系列和规模下的可观测泄露。研究贡献：提出一种实用的、针对LLM分词器的无泄露路径方案，在保持安全性的同时极大提升了性能，适合机密计算和隐私保护推理场景的研究人员及工程人员阅读。

本文研究 MIPS 处理器在现代嵌入式系统（如路由器、工业控制器、IoT 设备）中面临微架构侧信道攻击的脆弱性。尽管 MIPS 架构历史悠久且广泛部署，但其对侧信道攻击的防御能力长期未受关注。作者发现，在这些平台上普遍使用的同步多线程（SMT）特性会引入强大的跨核时序通道。为此，他们提出了 MIPSBLEED 框架，该系统性地分析和利用了三个共享微架构组件（L1 数据缓存、L1 指令缓存和执行引擎）的信息泄漏。通过精心设计的汇编级探测探针和定量泄漏评估，作者演示了无需特权访问即可实现的高分辨率时序攻击。实验表明，所有三个通道均存在显著的信息泄漏，并最终在真实椭圆曲线密码套件上实现了单迹线密钥恢复攻击。该工作将 MIPS 定位为微架构安全研究中被忽视但关键的目标，并强调了在资源受限且启用 SMT 的嵌入式系统中迫切需要轻量级隔离机制。

本文提出 obliv-clang，一个面向 C++ 的编译期检查工具，旨在帮助开发者编写 oblivious（无感知）程序，以防止通过执行时间和数据访问模式泄露秘密的侧信道攻击。传统的侧信道防御通常需要程序员手动改写代码或依赖硬件机制，但 oblivious 编程通过编译时保证程序的控制流和内存访问模式不依赖秘密数据，从而消除侧信道泄露。然而现有工具往往只支持简单的语言子集，难以应用于实际 C++ 代码库。obliv-clang 的目标是支持 C++ 的全部语言特性，特别是任意嵌套指针等复杂概念，从而能无缝地与现有工业级代码集成，并在最小编译开销下生成高性能二进制文件。作者在工具中设计了一组规则，并形式化证明了这些规则在复杂 C++ 特性下的正确性。为了展示表达能力，他们实现了若干非平凡的 oblivious 算法作为案例研究，并表明使用 obliv-clang 编译的程序在性能上优于之前的解决方案。读者可从中了解 oblivious 编程的基本原理、编译时检查的技术途径以及 C++ 语言下复杂指针处理的挑战与解决思路。

该论文揭示了一种5G物理层侧信道攻击方法。5G加密了传统控制信道，使先前的空中指纹攻击失效。然而，作者发现由于蜂窝通信标准强制规定了链路自适应机制，上行链路的调制与编码方案（MCS）保持稳定，因此传输占用的物理资源块（PRB）数量能够准确反映IP数据包长度。结合携带下行信息的上行控制信道，攻击者可以通过仅监听上行频谱来重建双向流量特征，而无需解码任何信道。基于此侧信道，设计了三步被动攻击框架Crosshair：首先，通过能量检测从原始IQ样本中盲提取上行物理信道占用，从上行频谱重建双向流量；其次，设计数据增强方法合成不同信道条件下的频谱轮廓，消除对通信环境先验知识的需求；第三，通过跨模态对齐将频谱域和IP域嵌入共享空间，使得仅凭收集的IP踪迹即可注册新应用。在5G NR测试台上的实验表明，Crosshair在应用识别准确率上优于现有最先进的物理层指纹识别方法，并在跨MCS场景下保持高精度。

本文针对硬件实现密码算法时抵抗侧信道攻击（SCA）的掩码（masking）对策，提出了一种低延迟的硬件私有电路设计方法。掩码是保护密码硬件免受侧信道攻击的有效手段，但现有方案在随机性需求、延迟和面积开销之间存在权衡。作者专注于设计可组合的掩码子电路（称为gadgets），这些子电路可以安全地组合成更大的电路。通过对现有门级设计方案进行改进，本文提出了一种新的gadget架构，在保持安全性的前提下显著降低了延迟，同时优化了随机数消耗和面积。实验基于标准硬件库进行综合评估，验证了所提方法在安全性（满足鲁棒探测模型）和性能上的优势。该工作为硬件安全设计者提供了在延迟敏感场景下实现高效掩码的实用方案，尤其适用于对实时性要求高的物联网设备。

该论文提出了一种名为CIPHERLEAKS的新型侧信道攻击，针对AMD SEV（安全加密虚拟化）环境中运行的常数时间密码实现。传统上，常数时间密码算法被认为能有效防御基于执行时间的侧信道攻击，但CIPHERLEAKS通过分析加密输出的密文本身来泄露密钥信息。攻击者以恶意虚拟机身份运行在同一物理主机上，通过监控目标虚拟机加密操作产生的密文，利用密文中的微小统计差异（如比特分布、模式等）来逐步恢复密钥。论文在真实的AMD SEV平台上实施了攻击，成功破解了多种常数时间密码实现（如AES、RSA等），验证了攻击的可行性和效率。研究还分析了攻击的多种变体，包括不同密文长度和加密模式下的影响。实验表明，该攻击能够在合理时间内恢复完整密钥，且对系统性能影响较小。论文最后讨论了潜在防御措施，如引入随机化填充、限制密文可观察性等，但指出在现有SEV架构下完全防御仍有挑战。该研究首次揭示了通过密文侧信道攻击虚拟化环境中常数时间密码的新路径，对云计算安全具有重要警示意义。

该论文系统化了针对密码学实现中时序攻击的防御手段——恒定时间（Constant Time）编程模型。尽管恒定时间编程是抵御时序攻击的主要防线，但学术界和工业界对“恒定时间”的定义和模型理解存在差异。本文首先回顾并整理了恒定时间模型的历史演化，识别出模型所保护的安全属性与密码规范所假设的威胁模型之间存在长期被忽视的差距。作者进一步提炼了一套攻击方法论，用于发现源自密码原语边界之外（例如上层应用或密钥加载流程）的时序漏洞。利用该方法，作者定位了一个与私钥加载过程相关的规范级（specification-level）漏洞。该漏洞存在于OpenSSL和BoringSSL两个流行密码库中，并成功在实验中确认了信息泄露。一个反直觉的发现是：尽管BoringSSL采用了更严格的威胁模型，但其单次观测产生的信号强度反而比OpenSSL高出数个数量级。研究贡献包括：1) 对恒定时间模型进行系统化分类与演化分析；2) 提出可用于发现跨界时序漏洞的通用攻击方法论；3) 发现并验证了OpenSSL和BoringSSL中此前未知的时序泄露点。该论文适合密码库开发者、侧信道安全研究人员以及所有关注密码学实现安全性的工程师阅读。

这篇论文提出了一种名为SCP（Secure and Coherent Partitioning）的缓存分区方案，旨在解决传统缓存分区在安全共享操作系统环境中面临的根本矛盾：严格的驱逐隔离与写共享一致性无法共存。SCP通过仅分区标签（tags）、共享单一数据池，并合理设置数据池大小以避免容量驱动的跨分区驱逐，从而在实现严格驱逐隔离的同时维持写共享一致性。时序混淆（timing obfuscation）技术扩展了保护范围，覆盖了跨分区查找路径。对于写共享行上的一致性泄漏，论文设计了一种阈值机制：当泄漏超过预定阈值时，将这些写操作路由到LLC（末级缓存），使得攻击者的写探测延迟与受害者活动无关。实现基于gem5模拟器，实验表明SCP能够有效防御Prime+Probe、Flush+Reload等基础缓存侧信道攻击，以及针对写共享行的攻击，所有攻击结果均不优于随机猜测。硬件开销方面，LLC SRAM仅增加2.8%；性能方面，在SPEC CPU2017基准测试中，IPC与DAWG方案相差在0.3%以内。共享密集型的微基准测试则展示了基于系统指定泄漏阈值的可调安全-性能权衡。

本文提出 RadKey，一种基于射频反向散射的穿墙按键窃听系统。该系统由两个组件构成：一个紧凑的无源反向散射标签和一个射频阅读器。标签利用两个磁耦合 LC 谐振器捕获按键引起的振动和声学信号，并将其调制到反向散射射频信号的频移上，同时实现激励信号与反向散射信号的频谱分离，从而抑制自干扰并扩展窃听距离。射频阅读器解调反向散射信号，通过专用的信号处理流程提取与用户和键盘无关的时频域特征，实现强泛化能力。为了进一步提升适应性，RadKey 集成大语言模型（LLM）进行在线自适应，利用 LLM 输出作为伪真实标签在运行时优化分类器。作者搭建了完整原型系统，并通过大量空中实验验证，结果表明 RadKey 能够在真实环境中对不同用户实现准确且鲁棒的按键推断。演示视频见 https://radkey-submission.github.io/RadKey/

本文研究了基于查询的数据匿名化系统中存在的侧信道攻击问题。数据匿名化是计算机隐私领域的一个长期挑战，一种常见的实践方法是向分析人员提供查询接口，并在每次查询时动态进行匿名化处理。这种方法通常依赖标准数据库后端，并直接向分析人员暴露数据库的查询语义。作者发现，这种设计虽然旨在通过查询级别的匿名化保护隐私，但实际上可能引入侧信道漏洞：攻击者可以通过观察查询结果、响应时间、错误消息等外部信息，推断出数据库中敏感的统计信息或个体记录。论文系统地分析了多种可能的侧信道攻击向量，包括基于结果集大小、基于响应时间差异、基于错误提示等，并形式化地定义了攻击模型。通过实验，作者证明了在流行的匿名化查询系统（如 DataSifter、Diffix 等）中存在可被利用的侧信道，能够以高置信度推断出原始数据的分布、异常值甚至具体记录的存在。此外，论文讨论了现有防御机制的不足，并提出了一些初步的缓解策略，如引入查询结果噪声、统一响应时间、消除错误信息等。该研究揭示了基于查询的匿名化方案在安全性上的薄弱环节，为隐私保护系统设计者提供了重要的警示和改进方向。适合关注数据隐私、侧信道分析、数据库安全的研究人员和安全从业者阅读。

该论文研究了基于低功耗蓝牙（BLE）设备中允许列表（allowlist）机制的侧信道攻击。BLE设备通常使用允许列表来限制连接和扫描响应，仅与已配对的设备通信。然而，攻击者可以通过被动监听BLE信道，观察设备是否响应扫描请求，从而推断设备是否属于某个允许列表中的设备。这种侧信道信息泄漏使得攻击者能够追踪特定BLE设备（如智能门锁、健康手环等）的物理位置或活动模式。论文首先系统地分析了BLE协议栈中允许列表相关的安全漏洞，量化了信息泄漏的程度。接着，提出了一种基于模糊测试的方法来识别易受攻击的设备，并在多种商用BLE设备上验证了攻击的有效性。最后，论文设计并实现了一种轻量级对策，通过随机化扫描响应时间或添加虚假响应来混淆侧信道信息，从而在不影响正常配对功能的前提下，削弱攻击者的追踪能力。实验结果表明，该对策能有效降低攻击的成功率至接近随机水平，且对设备功耗和响应延迟的影响微乎其微。该研究揭示了BLE允许列表机制中被忽视的安全风险，并为物联网设备的安全设计提供了重要指导。

该论文研究了从移动即时通讯应用中提取用户位置信息的方法。尽管现代IM应用声称端到端加密保护消息内容，但论文发现攻击者可以通过侧信道攻击，利用消息传递状态（如送达回执、时间戳等）推断出用户的物理位置。核心方法是基于多个观察点的时序测量，结合机器学习模型来三角定位用户。实验评估表明，在多种流行IM平台（如WhatsApp、Signal）上，该攻击能够以较高的准确率定位目标用户。主要贡献在于揭示了即使消息内容加密，元数据泄露仍然构成严重隐私威胁，并提出了相应的防护建议。该研究适合安全研究员、隐私工程师和IM服务开发者阅读。

该论文研究了公共科学计量发布中可能泄露隐藏设置的侧信道风险。作者将这种风险形式化为一个基于统计的侧信道审计框架，用于量化从发布的频谱数据中推断受保护参数的可能性。具体而言，释放映射提供功率谱密度（PSD）的有限频带统计；一个带有明确预算的profiled观测器使用带标签的模板谱进行训练；挑战释放来自两个效用等价的配方之一，这两个配方仅在一个受保护坐标上不同。平均后的PSD频带遵循伽马信道，当频带相关时则替换为协方差加权对数谱信道。这导出了精确的Kullback-Leibler散度、Chernoff指数、受保护比特优势界限，以及有限训练、有限库、有限计算和模型失配修正。核心结果是有限频带传输泄露定律：在消除幅度和模糊后，受保护的酸传输信息服从 I_{λ|α,β}(K) = (64/1225) w λ^6 K^9 + O(w λ^8 K^{11})（对于Kλ<<1），这是一个九阶指数并具有闭式安全频带。论文还提供了将实测释放转换为这些数值的分步协议，并给出了固定种子的可复现性包以再生所有图表。最后，作为模型条件案例研究，作者在筛选的极紫外（EUV）粗糙度谱上实例化了该审计，下一步计划部署到实际测量中。该工作适合从事侧信道分析、信息理论安全及计量数据保护的从业者阅读。

该论文聚焦于物联网(IoT)网络入侵检测中的类别不平衡问题。侧信道功率数据集中正常样本与攻击样本的比例可达75,964比1，严重影响了机器学习模型的检测性能。此前Dominguez等人提出了基于功率的入侵检测概念验证，但未处理类别不平衡，也未在平衡训练集上评估分类器性能。本研究针对这些问题进行了改进：首先，对从原始数据集提取的九个可能数据集应用合成少数类过采样技术(SMOTE)，使得每个数据集的精确不平衡比达到1.1；然后，在SMOTE平衡后的6小时数据集上，在相同条件下训练了八种算法：随机森林(RF)、直方图梯度提升(HistGradientBoosting)、LightGBM、极限随机树(Extra Trees)、XGBoost、K近邻(KNN)、多层感知器(MLP)和决策树(DT)。实验结果表明，随机森林的微平均F1分数达到0.9989，宏平均F1为0.9794，超越了此前基准论文中时间序列森林算法的最佳微F1结果(0.9983)。极限随机树在保持相同性能的同时，训练速度快了10倍。通过明确引入宏平均F1指标（区别于基准论文的评估），揭示了聚合性能指标遗漏的重要类别级信息。基于混淆矩阵计算的每类召回率、F1热图和ROC曲线显示，仅当使用SMOTE平衡时，少数攻击类别（尤其是混合M+L感染）才能被可靠检测。特征重要性分析表明，功率窗口中的最后时间步（共60步）是最重要的预测信号。本文的研究为基于侧信道的IoT入侵检测提供了更全面的评估框架，强调了数据平衡和细粒度性能指标的重要性。

该论文研究在人工智能驱动的自适应对手优化下，公钥密码学（PKC）安全性的侵蚀问题。核心问题是算法中心的密码安全模型与操作攻击现实之间的日益不匹配：现代攻击者不再直接破解底层密码基元，而是利用实现层面的可观测性（如侧信道、时序差异、错误处理等）来获取密钥或明文。作者提出了一种基于强化学习与对抗性优化的自适应对手框架，能够动态调整攻击策略，在有限的系统观测下逐步侵蚀信任。实验表明，该框架在模拟的公钥基础设施（PKI）环境中显著降低了密钥恢复所需的尝试次数，并揭示了传统安全证明中未覆盖的脆弱环节。主要贡献包括：(1) 定义了一种新的自适应威胁模型，将AI驱动的对手能力形式化；(2) 展示了实际攻击路径如何绕过理论安全假设；(3) 强调了密码系统实现层与形式化模型之间的鸿沟。论文建议安全从业者重新审视密码系统的安全假设，并关注实现层面的可观测性防御。适合密码学研究者、AI安全工程师及系统安全架构师阅读。

大型语言模型（LLM）依赖键值（KV）缓存加速推理，许多服务系统进一步在用户请求间共享KV缓存以减少冗余计算。然而，无限制的跨用户共享引入了侧信道漏洞，攻击者可以通过探测缓存是否命中来推断用户输入。现有防御完全禁用共享以避免泄漏，但这种粗粒度的策略牺牲了巨大的复用潜力，因为提示中通常包含大量隐私无关的片段，如系统指令或公开可访问的材料。基于此，本文提出CachePrune，一种隐私感知的KV缓存共享机制，实现在请求之间对KV条目进行细粒度复用。实现这种细粒度需要令牌级别的缓存管理，因为可复用片段因敏感性掩蔽而在长度和位置上变化，使得复用比现有粗粒度方案中使用的固定大小或句子级分块更复杂。具体而言，CachePrune通过解决两个关键挑战使细粒度复用变得可行：准确高效地推导可复用KV片段，以及在可变长度跨度上高效检索它们。作者在vLLM上实现了CachePrune，并在三个数据集上进行了评估，结果表明它消除了通过KV缓存重用侧信道的直接泄漏，同时与最先进的方法相比，将TTFT（首个令牌时间）降低了4.5倍，缓存命中率提高了44%。本文的主要贡献包括：提出隐私感知的细粒度KV缓存共享框架，设计令牌级别的缓存管理和检索算法，并通过实验证明了其在隐私保护和性能提升上的有效性。适合对LLM推理系统安全、隐私保护和性能优化感兴趣的研究人员阅读。

本文针对密码系统侧信道攻击的掩码防御机制，提出了一种基于概率分离逻辑的形式化验证方法，用于自动验证掩码算法的非干扰性安全属性。作者首先建立了非干扰性与条件独立性之间的数学联系，从而将安全验证问题转化为条件独立性推理问题。随后，利用现有的Lilac分离逻辑框架（该框架专用于条件独立性推理）来执行验证，并设计了一系列新的证明规则，以支持探测安全性的高效验证。通过若干示例算法，论文展示了该方法能够有效验证典型掩码方案的安全性，同时相比传统手工证明或模型检验方法，降低了误判风险。该工作主要面向密码学实现者、安全验证工具开发者以及侧信道防御研究者，其核心贡献在于为掩码算法的形式化安全验证提供了更简洁、可自动化的理论框架。

本文针对嵌入式微控制器（如ARM Cortex-M4）上神经网络推理过程中的激活函数（ReLU, sigmoid, tanh, GELU, Swish）存在的时序侧信道泄露问题，提出了一种常量时间（constant-time）实现方法。该方法通过结合无分支选择、基于Padé近似的固定成本计算、虚拟算术操作以及循环对齐等技巧，确保所有激活函数在不同输入下消耗相同的时钟周期数，从而消除时序侧信道。作者首先评估了一种基于去同步化的防御措施，并证明其仍易受模板化时序攻击，进而提出防御方案。实验结果表明，保护后的实现在三函数和五函数场景下分别实现恒定的88和108周期计数，同时数值误差分析显示近似非线性函数保持高精度。该研究为嵌入式推理中构建抗侧信道的激活函数提供了实用基础，适用于需要安全部署深度学习模型的嵌入式系统开发者及侧信道防御研究人员。

本研究探讨了在增强现实/虚拟现实（AR/VR）环境中，利用用户的头部运动作为侧信道来窃取键盘输入。作者提出了一种攻击方法，通过分析用户佩戴AR/VR头显时自然产生的头部运动（如打字时头部微小的摆动），使用深度学习模型将运动模式映射到键盘按键。实验表明，该方法能够以较高准确率重建用户输入的文本，从而暴露敏感信息。这项研究揭示了AR/VR设备中新一类隐私威胁，对用户输入安全提出了挑战。

本文首次揭示了无线充电接口存在功率侧信道攻击漏洞。当智能手机通过无线充电器进行充电时，其活动状态会通过电流变化泄露给充电器发射端。研究者设计并实现了网站指纹识别攻击：在iPhone 11和Google Pixel 4上，通过分析无线充电过程中的电流轨迹，能够以超过90%的准确率识别出手机当前加载的Alexa Top Sites列表中的网站。此外，还进行了其他初步攻击实验。研究发现，该攻击的性能会随着网站内容随时间变化而下降，且无线充电侧信道与有线USB充电侧信道在信息泄露特性上相当，两者均严重依赖电池电量水平：低电量时信息泄露极少。该攻击构成重大安全威胁，因为只要设备在充电器发射端范围内，无线充电就会自动启动，用户无法阻止。本文结果对移动设备安全、侧信道防护及无线充电标准设计具有重要指导意义。

本文针对侧信道分析领域长期存在的挑战——手动分析效率低、依赖预定义目标事件和已知信道、难以规模化——提出了一种名为SCAgent的自动化框架。该框架利用LLM（大型语言模型）驱动的智能体，通过系统探索自动识别敏感事件（如用户或系统行为），避免手动指定；同时，为缓解LLM幻觉，SCAgent基于系统文档进行推理并引入显式验证机制，确保语义一致性、威胁模型可行性和信道可用性。在数据分析方面，采用基于基础模型的少样本学习，避免为每个信道-事件对训练定制模型；并引入时间平移鲁棒的特征提取层，将原始时间序列侧信道信号转换为表格基础模型可处理的形式，从而在有限数据下实现高效分析。作者以iOS系统为实例，重点研究非特权应用可观测的操作系统级侧信道。评估覆盖了标准基准（如前台应用和网站指纹识别）以及新识别出的流行应用中的敏感应用内活动，证明了框架的有效性和可扩展性。

本文提出了首次完全远程的内存去重攻击。内存去重是一种通过合并相同内存块为写时复制映射来减少内存占用的技术。此前的研究表明，内存去重可被用于本地攻击，如破坏ASLR、监视其他程序或检测数据存在（如网页图片）。这些攻击跨安全域利用内存去重，因此通常被禁用。然而，在同一安全域内或没有不可信本地访问的隔离系统上，内存去重仍被认为不是安全风险，并且在Windows上最近默认重新启用。本文作者首次展示了完全远程的内存去重攻击，与之前的工作不同，他们的攻击无需本地代码执行。攻击者仅通过发送并计时HTTP/1和HTTP/2网络请求，就能从远程服务器泄露内存内容。他们在Windows和Linux上针对去重进行了演示，并攻击了广泛使用的服务器软件如Memcached和InnoDB。该侧信道在互联网上泄露速率高达34.41字节/小时，比可比的远程内存泄露通道更快。作者通过三个案例研究展示了远程内存去重攻击：第一，攻击者可以泄露运行Memcached的服务器内存中数据的存在，并可用于指纹识别，在166.51秒内检测到正确的libc版本。第二，结合InnoDB，他们展示了信息泄露攻击以泄漏MariaDB数据库记录。第三，他们在不到4分钟内演示了完全远程的KASLR破解，使攻击者能够去随机化互联网上虚拟机（相隔14个网络跳数）的内核镜像。作者得出结论，即使仅在单个安全域内应用内存去重，也必须将其视为安全风险。

后量子密码学旨在抵抗量子计算机构成的威胁，其中基于编码理论的McEliece和BIKE（Bit Flip Key Encapsulation）是两种代表性方案。这些算法通过选择适当密钥尺寸可有效抵御经典结构攻击。然而，物理实现的侧信道安全性尚未充分评估。本文聚焦于解密阶段（生成共享秘密密钥时）的信息泄漏问题，采用简单功耗分析（SPA）方法，利用低成本设备采集电磁辐射信号。实验结果表明，电磁辐射与秘密值之间存在显著相关性。仅需采集200条功耗迹线，机器学习模型即可预测解密阶段产生的共享会话密钥的秘密比特，且准确率较高。该研究首次系统地量化了后量子编码密码方案在功耗分析威胁下的脆弱性，揭示了即便算法在数学上安全，物理实现仍可能泄露关键信息。研究成果对后量子密码的标准化和实际部署具有警示意义，强调必须结合侧信道防护措施。

本文提出了一种名为TESLA的新型侧信道攻击，利用智能手机电容触摸屏在扫描过程中产生的电磁辐射来窃取敏感信息。现代智能手机的电容触摸屏在检测触摸时会发出电磁辐射，这些辐射编码了触摸交互的时空演化过程，形成了统一的泄漏基础。攻击者可以通过秘密地将电磁探头放置在受害者设备附近，以非接触方式捕获这些辐射，从而提取屏幕解锁PIN码、键盘输入、交互应用类别以及连续手写轨迹等信息。与现有侧信道攻击相比，TESLA具有攻击目标更广、样本获取更高效、操作更实用等优势。实验在四款主流商用智能手机（iPhone X、小米10 Pro、三星S10、华为Mate 30 Pro）上进行，在私密会议室和公共图书馆等不同场景下取得了高精度：PIN码识别成功率99.3%，键盘输入重建成功率97.6%，应用推断成功率95.0%，字符识别准确率76.8%，二维手写轨迹重建的几何相似度（Jaccard指数）达到0.74。该研究揭示了电磁辐射作为触摸屏侧信道的通用性，对移动设备安全构成新威胁。

本文提出了一种基于线性代数的理论框架和实用算法，用于在云计算环境中实现全面的内存着色（memory coloring）方案。内存着色是一种通过软件方法确保不同信任域（如虚拟机、容器）之间微架构隔离的技术。传统的着色方案仅针对单个微架构组件（如 L1 缓存、TLB 等）进行隔离，导致覆盖不全，遗留潜在的侧信道攻击面。本文的关键贡献在于：首先，形式化定义了内存着色问题，将其转化为线性代数中的高斯消元问题，通过建立内存访问模式与微架构冲突之间的线性关系，从而推导出确保全系统隔离的着色规则。其次，提出了一种自动化的算法，能够根据给定的微架构组件列表（如缓存层次、分支预测器等）生成最小够用的着色方案，减少性能开销。最后，通过在现代云 CPU（如 Intel 和 AMD 的典型服务器处理器）上进行实验，验证了该方案在隔离有效性（消除共享微架构组件导致的时序干扰）和性能开销之间的平衡。实验结果表明，所提出的方法能够以平均约 5% 的性能损失实现全面的微架构隔离，显著优于现有部分隔离方案。该研究为云服务商提供了一种可落地的、系统级的侧信道防御手段，尤其适用于多租户场景下敏感工作负载的安全强化。

本文提出并探索了“隐蔽量子计算”（covert quantum computing）这一新概念，旨在解决多租户量子云平台中用户隐私保护问题。当多个用户共享同一个量子处理单元（QPU）时，传统安全假设不足以防止恶意租户通过检测量子计算单元（QCU）上的活动来推断其他用户的秘密操作。作者借鉴隐蔽通信的信息论思想，但因其面临的情景更加复杂——攻击者拥有对部分QCU的控制权并可进行自适应操作——故采用量子博弈论和记忆信道鉴别中的“量子策略”框架进行隐蔽性分析。当前量子计算机采用平面图电路布局并假设最近邻串扰（nearest-neighbor crosstalk）为主。通过推导离散等周不等式，作者发现：在n量子比特电路中，仅边界（border）上的O(√n)个量子比特会向攻击者泄露检测信息。为验证这一标度律，他们在IQM的54量子比特Emerald处理器和IBM的156量子比特ibm_fez（基于Heron 2架构）上进行了实验：对未参与计算的量子比特执行Ramsey实验，检测到了预期的最近邻串扰；然而，他们还观察到超出边界量子比特的长程耦合效应，这揭示了攻击者可利用的侧信道。作者推测这种长程串扰源于驱动线和控制线的泄漏。该现象不仅削弱了隐蔽性，还使共租户暴露于恶意或无意的串扰下，并损害跨越空间分布量子比特的电路质量。因此，文章呼吁进一步研究空间隔离和串扰表征。本文的主要贡献在于：1）形式化定义了隐蔽量子计算问题并建立分析框架；2）从理论上推导了边界缩放定律；3）实验发现了意外的长程串扰，揭示了实际量子处理器中的安全隐患。适合量子计算安全、量子云平台架构、硬件设计研究人员以及关注量子侧信道的安全从业者阅读。

本文介绍了一种名为ThermalTap的新型被动非接触侧信道攻击方法，专门针对独立式VR头显。VR头显处理高度敏感的个人、专业和健康数据，但其对非接触物理侧信道的脆弱性此前研究不足。现有的侧信道攻击通常需要恶意软件执行或对硬件的物理访问，容易被检测和修补。ThermalTap利用头显机箱发出的长波红外（LWIR）辐射，将头显的热特征视为内部计算工作负载的高保真代理，从而在米级距离内无需任何设备交互即可实现对VR应用的指纹识别。为了在实际环境中实现稳健性能，该系统将商用热成像相机与多模态传感器套件（捕获环境温度、湿度和气流）结合，以归一化环境噪声。研究使用三款商用独立头显和六款应用进行评估。在室内条件下，仅用10秒热成像数据，应用识别准确率超过90%；在室外条件下，通过更长的会话级观测，几款应用仍可识别，最高准确率达81%。这些发现表明，热辐射是沉浸式系统的一个基本且不可避免的隐私风险，暴露了一个绕过当前软件级保护和物理访问控制的关键安全漏洞。本文适合VR安全研究人员、硬件安全工程师以及关注隐私威胁的从业者阅读。

该论文研究了一种针对现代汽车电子控制单元（ECU）的新型远程关闭攻击方法。作者指出，现有的关闭攻击要么依赖物理操纵总线信号，要么通过消息注入，但这些方法难以同时实现远程、隐蔽和可靠。本文提出利用汽车微控制器单元（MCU）中的外设时钟门控功能，使得远程攻击者仅通过软件控制即可可靠地“冻结”被攻陷ECU的输出，并在任意时刻插入任意比特位。基于此，作者设计了名为CANNON的攻击，能够实现远程关闭目标ECU。由于CANNON攻击产生的错误模式与自然错误无法区分，且不需要插入额外消息，因此现有的入侵检测系统（IDS）难以检测。作者在两个现代乘用车ECU中使用的汽车级MCU上进行了验证，并讨论了潜在的缓解策略和对抗措施。该研究揭示了汽车安全中一个被忽视的攻击面，对汽车网络安全防御具有重要警示意义。

本文针对自主LLM智能体面临的工作流劫持安全风险提出了一种新颖的被动式、带外检测方法。工作流劫持指攻击者在不被发现的情况下微妙地修改智能体调用的工具和技能，而现有防御依赖主机内部遥测（如审计日志），一旦主机操作系统被攻破，这些日志可以被伪造，失去可信度。为了解决这一问题，作者提出了ClawGuard系统，它利用电磁（EM）辐射作为侧信道，以物理方式独立于主机环境监测智能体工作流。其核心洞察在于：不同的智能体技能会产生独特的硬件使用模式（如计算、DRAM、网络阻塞），从而辐射出可测量的大尺度电磁包络。ClawGuard使用外部软件无线电（SDR）捕获这些物理信号，并通过一个漂移感知的管道将RF流转换为物理证据，该管道提取320维特征进行分类。在7.82TB的RF语料库上评估，ClawGuard达到了0.9945的AUC，攻击检测真阳性率100%，假阳性率仅1.16%。实验证明了被动电磁感知是一种实用、抗伪造的物理校验手段，能够有效对抗被攻陷主机软件的攻击。

近期的研究工作反复证明了侧信道攻击能够破坏可信执行环境（如Intel SGX）的机密性保证。与此同时，云环境中的可信执行正朝着机密虚拟机（CVM）方向发展。不幸的是，一些侧信道攻击在CVM上依然可行，并且新发现了针对CVM架构的攻击。以往工作探索了保护用户空间飞地（如Intel SGX）免受侧信道攻击的防御措施，但基于CVM的混淆执行引擎的设计空间在很大程度上尚未被探索。本文提出了一种名为INCOGNITOS的unikernel设计，为基于CVM的云工作负载提供全系统混淆。INCOGNITOS完全拥抱unikernel原则，如最小化可信计算基（TCB）和直接硬件访问，使得全系统混淆成为可能。INCOGNITOS改造了两个关键操作系统组件——调度器和内存管理，以实现一种新颖的自适应混淆方案。INCOGNITOS的调度器设计为通过同步滴答传递，从不可信hypervisor的定时器中断中实现自主权。这使得INCOGNITOS能够可靠地监控hypervisor执行控制权（即VMExit）的频率，并调整由分页子系统执行的内存重随机化频率，该子系统通过直接MMU访问透明地执行内存重随机化。最终的INCOGNITOS设计为自混淆unikernel作为安全的CVM部署策略提供了依据，同时与以往工作相比进一步推进了混淆技术。评估结果表明，INCOGNITOS对CVM攻击具有弹性，并且其自适应混淆方案为实际程序提供了可接受的性能。

该论文提出了一种名为μCFI（微架构控制流完整性）的形式化验证方法，旨在解决现有控制流完整性（CFI）机制在微架构层面的安全漏洞。传统的CFI仅在软件或ISA（指令集架构）层面保证控制流安全，但无法抵御利用微架构侧信道或瞬态执行攻击（如Spectre、Meltdown）的控制流劫持。作者通过形式化建模微架构状态（如分支预测器、缓存、乱序执行单元）与控制流之间的关系，定义了微架构层面的安全策略。μCFI基于模型检验技术，能够验证处理器设计是否满足该策略，从而确保即使在微架构优化（如预测执行）下，控制流也不会被恶意操纵。实验在RISC-V处理器核心上实现，验证了多个已知攻击变种（如Spectre v1、v2）的缓解效果，并发现了新的潜在攻击路径。该工作首次将形式化验证应用于微架构CFI，为安全处理器设计提供了理论保证。

该论文提出了一种名为PortRush的硬件模糊测试框架，旨在检测由写端口竞争引发的微架构侧信道漏洞。写端口竞争是现代超标量处理器中多个执行单元同时尝试写入同一物理端口时产生的资源冲突现象，这种竞争可能导致时序差异，进而被攻击者利用来窃取敏感信息。PortRush通过自动化生成针对写端口竞争的高效测试用例，利用硬件性能计数器实时监控微架构事件，从而触发并识别潜在的信息泄露路径。该框架结合了静态分析和动态模糊测试技术，能够系统地探索处理器微架构中的竞争条件，并自动确认漏洞的可利用性。实验在多种主流处理器（如Intel Core和AMD Ryzen系列）上进行，成功发现了多个之前未知的写端口竞争侧信道漏洞，证明了该方法的有效性。PortRush的贡献在于提出了一种新的自动化检测手段，填补了针对写端口竞争这一特定侧信道攻击类型在安全测试工具方面的空白，为处理器安全评估提供了重要支持。

本文研究了大型语言模型（LLM）推理过程中键值缓存（KV-cache）带来的隐私风险。KV-cache是LLM中用于加速自回归解码的关键组件，它会存储中间注意力层的键和值张量。作者发现，KV-cache中可能残留用户输入的敏感信息，例如个人身份、医疗记录或金融数据。通过分析KV-cache的数据生命周期，攻击者若获得缓存访问权限（如通过共享内存、侧信道攻击或模型托管环境中的越权访问），可重建部分用户输入，导致隐私泄露。论文提出了一种基于差分隐私的缓存扰动机制，在KV-cache写入内存前添加精心设计的噪声，使得攻击者无法准确恢复原始数据，同时最小化对推理质量和性能的影响。实验在多个主流LLM（如LLaMA、GPT类模型）上验证了方法的有效性：隐私保护强度可调节，且模型困惑度下降不超过2%，推理延迟增加小于5%。此外，论文还讨论了与现有内存加密和访问控制技术的互补性。该研究首次系统性地披露了KV-cache作为LLM隐私攻击面的可能性，并提供了实用的防御思路。

该论文提出了一种名为DualStrike的新型攻击方法，能够对市面上常见的商用键盘实现高精度、实时的按键窃听与注入。研究团队通过分析键盘在按键过程中产生的电磁辐射或声学信号，利用深度学习模型从侧信道信号中恢复按键内容，并进一步实现按键注入（即模拟按键操作）。核心创新在于双通道融合机制：同时利用电磁和声学两种侧信道，显著提高了按键识别的准确率和鲁棒性，即使在多任务环境下也能保持实时性。实验在多种键盘型号上进行，验证了攻击的有效性和隐蔽性。该研究揭示了当前商用键盘在物理安全层面的严重缺陷，对涉及敏感信息输入的场景（如密码输入、金融交易等）构成直接威胁。

该论文研究了虚拟化GPU环境中TLB（转译后备缓冲器）的安全漏洞，并提出了一种跨虚拟机侧信道攻击方法。传统上，侧信道攻击多针对CPU缓存或分支预测器，而本文首次将攻击面拓展至虚拟化GPU的TLB结构。作者通过分析GPU虚拟化中地址转译的TLB行为，发现不同虚拟机之间的TLB状态可能被恶意利用，从而推断出其他虚拟机的敏感信息，如加密密钥或用户输入。具体地，攻击者利用GPU TLB的竞争条件和时序差异，设计了一种高效的侧信道原语。实验在配备NVIDIA GPU的虚拟化平台上进行，验证了攻击的有效性和准确性。该研究揭示了GPU虚拟化中一个新的侧信道攻击向量，对云安全、虚拟化环境的安全设计具有重要意义。建议安全社区关注此攻击类型，并研究相应的缓解措施。

该论文对密码库中侧信道漏洞的自动化检测工具进行了系统性评估。侧信道攻击通过分析执行时间、功耗等物理泄露来破解密码实现，开发者通常需要采用恒定时间编程来防御，但人工编写容易出错。目前已有多种自动化检测工具（如静态分析、动态分析、基于LLVM的pass等），但漏洞仍常在密码库中被手动发现。Jancar等人的研究表明开发者很少使用这些工具，但尚未评估这些工具是否本可以检测到那些已知漏洞。本文旨在填补这一空白：作者收集了密码库中实际报告的侧信道漏洞，构建了一个测试基准，并选取多个代表性工具进行测试。实验评估了各工具对不同类型侧信道（如时序、缓存）的检测能力、误报率、覆盖率等。结果显示，现有工具在检测真实世界漏洞方面表现不一，许多漏洞无法被任何单一工具检测到，且存在较高的误报。论文讨论了工具的局限性，并提出了改进方向，例如结合多种分析技术或提高对复杂代码模式的识别。该研究为安全从业者选择和使用自动化检测工具提供了实证依据，并推动了工具研发的进步。

该论文提出了一种利用 DNS 缓存定时攻击对用户行为进行连续监控的新方法。作者发现，攻击者可以通过测量 DNS 查询在本地 DNS 解析器（如公共 DNS 服务器或企业 DNS 缓存）中命中的时间差，推断出用户近期访问过的域名，从而构建用户的上网行为画像。由于 DNS 缓存通常具有较长的 TTL（生存时间），攻击者可以在数小时至数天内持续进行此类定时测量，且无需获得任何网络中间人地位（如 ARP 欺骗），仅需与目标用户共享一个子网或能发送定向的 DNS 探测包。论文详细描述了攻击的原理：通过向目标 DNS 解析器发送大量针对特定域名的查询，并测量响应时间，判断该域名是否已存在于缓存中（缓存命中则响应快，未命中则响应慢）。攻击者可以预先准备一个域名列表（如热门网站、敏感服务），通过轮询这些域名的缓存状态来监控用户何时访问过哪些站点。实验在真实网络中验证了该攻击的有效性，包括对不同公共 DNS 服务器（如 Google Public DNS 和 Cloudflare DNS）的测量，结果表明即使在存在网络延迟波动的情况下，攻击者仍能以高准确率（>90%）识别出用户最近访问的域名。此外，作者还讨论了防御措施，包括随机化 DNS 查询、缩短 TTL、使用 DNS over HTTPS（DoH）或 DNS over TLS（DoT）来混淆流量，但指出这些防御可能增加延迟或无法完全消除定时侧信道。

该论文针对无服务器（Serverless）云环境中的物理共驻攻击（co-location attack）进行了系统性研究。无服务器计算虽然降低了用户管理基础设施的负担，但其调度器的设计缺陷可能被攻击者利用，通过与受害者实例共驻在同一物理主机上，实施微架构侧信道攻击。现有研究对无服务器调度算法的安全性评估不足，缺乏构建共驻攻击的系统性方法论。本文提出了一套完整的方法论，用于发现无服务器调度算法中可被利用的特征，并设计策略通过正常用户接口实现实例共驻。实验在主流开源无服务器基础设施（如OpenWhisk）和微软Azure Functions上成功验证了共驻攻击的可行性，揭示了调度器中的安全漏洞。此外，作者提出了一种名为Double-Dip的调度器作为缓解方案，通过引入额外随机性来抵御共驻攻击。该工作为提升当前云调度器的安全性提供了关键洞察，有助于加固无服务器计算环境。适合云安全研究员、无服务器平台开发者及安全运维人员阅读。

该论文研究了一种新型的侧信道攻击方法——OCCUPY+PROBE，利用分支目标缓冲区（Branch Target Buffer, BTB）的硬件特性实现跨特权级（用户态到内核态）的指令粒度侧信道泄漏。传统BTB侧信道攻击通常只能推断控制流信息，且难以精确到单个指令。本文提出的方法分为两个阶段：OCCUPY阶段通过精心构造的分支指令序列填充BTB，占用目标索引；PROBE阶段则通过观察受害者执行分支指令后BTB状态的变化，以指令级精度推断受害者执行路径中的分支目标地址。作者在Intel和AMD的多款现代CPU上进行了实验，证明了该攻击能够以高成功率（>90%）窃取内核地址空间布局随机化（KASLR）偏移以及特定系统调用的分支信息。研究还讨论了现有BTB隔离机制（如Intel的IBRS、STIBP）的局限性，指出这些防护不足以完全防御本攻击，因为攻击利用了BTB的缓存行冲突和指令级细粒度探测。该工作揭示了BTB微架构安全中的新攻击面，对操作系统和CPU设计者具有重要警示意义。

本论文来自NDSS '26，旨在重新激活并推进Linux页面缓存攻击的研究。自2019年mincore系统调用被缓解后，页面缓存攻击被认为已被缓解或过于缓慢而不实用。然而，作者不仅复活了针对页面缓存的实用攻击，还首次提供了与页面缓存交互的原语的系统分类和理解。他们识别并描述了四种核心原语：flush（刷新）、reload（重新加载）、evict（驱逐）和monitor（监视）。通过深入分析，他们克服了Linux内核的预读机制（read-ahead），将先前已知的攻击机制加速了六个数量级。此外，论文还确定了哪些系统调用可作为重载机制用于隐蔽通道，并提供了概念验证攻击。这项工作系统地揭示了页面缓存攻击的新维度，为操作系统安全研究提供了重要基础，并可能影响未来的安全防御设计。

本文提出一种针对Linux内核的新型跨缓存攻击方法，称为PCP Massaging。该方法利用每CPU页缓存（Per-CPU Page Cache, PCP）的内存分配行为，攻击者通过精心控制内存分配与释放，迫使目标内核对象（如socket结构体）落入特定的缓存行中，从而在受害者与攻击者之间创建共享缓存状态，实现跨核心、跨进程的侧信道信息泄露。论文在ARM64和x86_64平台上验证了攻击的有效性：一方面，攻击者能够从内核地址空间泄露KASLR（内核地址空间布局随机化）基址；另一方面，通过操作socket对象的权限字段，攻击者可以绕过普通用户权限检查，伪造具有超级用户权限的socket。实验结果表明，攻击成功率较高，且对系统性能影响较小。作者进一步讨论了潜在缓解措施，如加强PCP分配隔离或引入缓存着色技术，但未给出完整防御方案。该工作揭示了内存管理子系统中缓存一致性副作用带来的安全风险，为内核安全研究提供了新视角。

本文针对机密虚拟机（Confidential VMs）中的隐私应用，提出了一种侧信道分析方法 SNPeek。侧信道攻击能够利用物理或逻辑侧信道泄漏敏感信息，对机密计算环境构成威胁。文章可能分析了在可信执行环境（TEE）中运行的隐私保护应用（如数据聚合、机器学习推理）如何受到缓存时序、功耗或电磁等侧信道的影响。由于未提供完整摘要，具体方法细节、实验设置和攻击效果未知。作者团队包括多位安全与隐私领域专家，研究方向涵盖侧信道、机密计算和差分隐私。本文适合对机密虚拟机安全性、侧信道攻击与防御感兴趣的读者进一步查阅。

该论文提出了一种名为Rosita的自动化框架，旨在消除密码算法中的功耗分析泄漏。功耗分析攻击利用设备在执行加密操作时功耗与处理数据之间的相关性，来窃取密钥等敏感信息。掩码（Masking）是一种广泛使用的算法级对策，通过在中间值中引入随机掩码来破坏依赖性。然而，手动实现掩码容易出错，且现有自动化工具往往只针对特定架构或无法完全消除泄漏。Rosita通过将密码算法的描述转换为中间表示，然后应用一系列变换（如掩码门级替换、路径平衡等），自动生成抗功耗分析的实现。该方法基于代数与统计学分析，确保所有敏感变量都被掩码，并验证泄漏不存在。实验在多种密码算法（如AES、Salsa20）和硬件平台上进行，结果表明Rosita能显著降低泄漏，同时保持合理的面积和性能开销。论文的主要贡献包括：1）提出一种系统性的自动化掩码方法；2）设计了一种验证泄漏的统计测试；3）开源实现以供社区评估。适合硬件安全工程师、密码学家及侧信道防御研究人员阅读。

这篇论文提出了一种名为 IVANTAGE 的新型网络测量技术，利用 IPv6 节点强制实施的 ICMP 速率限制功能中的侧信道，从单一的本地观测点实现对远程 IPv6 网络的大规模测量。具体来说，ICMP 错误消息的生成速率受限，但通过设计巧妙的探测序列，可以推断远端路由器是否对特定地址段采取了源地址验证（ISAV）或是否存在可达性。IVANTAGE 能够将分布在全球 9,500 个自治系统（AS）和 182 个国家/地区的约 110 万个远程路由器“转化”为探测节点，从而克服了传统主动测量需要大量分布式探针的困难。作者将 IVANTAGE 应用于两个具有挑战性的测量任务：（1）测量入站源地址验证（ISAV）的部署情况；（2）测量任意互联网节点间的可达性。实验覆盖了约 50% 的 IPv6 AS，发现其中约 79% 的 AS 易受 IPv6 地址欺骗攻击，这是迄今为止规模最大的 IPv6 ISAV 测量研究。在可达性测量方面，该方法在评估中达到了超过 80% 的精确率和召回率。此外，论文还对互联网上 ICMP 速率限制的实现了全网络测量，详细讨论了该机制潜在的安全和隐私风险，并给出了缓解措施。代码已开源。该工作为网络安全测量领域提供了新颖的侧信道利用思路，尤其对 IPv6 安全评估具有重要参考价值。

该论文针对同时多线程（SMT）处理器中基于资源竞争的隐蔽信道攻击问题，提出了一种名为SecSMT的硬件安全架构。SMT技术通过共享执行资源（如缓存、功能单元、内存端口）提升性能，但恶意线程可利用资源竞争的时间差异构建隐蔽信道，实现跨线程信息泄露。现有防御手段（如缓存分区、带宽限制）往往带来显著的性能开销或无法完全阻断所有信道。SecSMT通过对处理器微架构进行关键修改，在保持高性能的同时有效阻断隐蔽信道。核心方法包括：(1) 动态资源隔离机制，根据线程的安全等级动态调整共享资源的分配策略；(2) 随机化资源访问时序，引入噪声使攻击者难以通过时间差提取信息；(3) 对敏感操作进行硬件强制序列化，消除推断执行和资源争用的可观测差异。实验采用模拟器（如gem5）和真实硬件平台（Intel/AMD SMT处理器）评估，在SPEC CPU等基准测试中，SecSMT将隐蔽信道的容量降低超过99%（接近零信道容量），而性能开销控制在5%以内。该工作首次实现了对多种竞争信道（缓存、TLS、功能单元等）的全面防护，且无需修改软件堆栈。适合计算机体系结构和系统安全领域的研究者、处理器设计人员阅读。

本文针对椭圆曲线密码系统（ECC）中标量乘法 kP 的安全性问题展开研究。标量乘法是 ECC 的核心运算，常成为侧信道分析（SCA）的攻击目标。尽管已有基于原子模式（atomic patterns）的防护策略，但由于在乘法和平方操作中，现场乘法器（field multiplier）在处理两个不同操作数与两个相同操作数时存在能量消耗差异，导致二进制 kP 算法仍然容易受到简单侧信道攻击（Simple SCA）。这种漏洞与所使用的乘法方法无关。作者实现了两种缓解技术并进行了分析：一种是数据重定向（data redirection），另一种是总线重载（bus reloading）。通过实验评估，作者展示了这些技术如何降低乘法和平方操作之间的可区分性，从而增强 ECC 实现的侧信道安全性。该研究为硬件安全设计提供了实用的防御思路，尤其适用于资源受限的嵌入式设备。

本文揭示了一种名为“Quantamination”的新型安全漏洞，该漏洞存在于机器学习服务系统中的动态量化（dynamic quantization）环节。动态量化是一种在模型推理运行时根据输入数据实时调整量化参数的优化技术，旨在降低内存占用和计算负载，提升生成速度和服务效率，且通常不会显著损失模型精度。然而，研究者发现，当前主流机器学习框架（包括ML编译器和推理引擎）在默认或可配置状态下，其动态量化实现会无意中在同一批次的输入之间创建侧信道（side channel）。攻击者可以通过提交精心构造的恶意输入与受害者数据混合在同一个批次中，利用量化参数对输入数据的依赖性，从输出结果中反向推断出同一批次其他用户输入的敏感信息。实验表明，至少4个广泛使用的框架（如TensorFlow、PyTorch等及其相关编译器）存在此类问题，攻击者理论上能够部分甚至完全恢复其他用户的批处理输入数据，构成严重的隐私泄露风险。本文系统性地分析了漏洞产生的根本原因，提出了量化侧信道的形式化模型，并展示了多种攻击场景下的数据恢复能力。该研究适合机器学习系统安全研究人员、模型服务框架开发者以及关注隐私保护的AI从业者阅读。

本文聚焦于侧信道分析（SCA）中的电磁（EM）探针位置鲁棒性问题。传统的SCA通过采集加密操作中的物理泄漏（如电磁辐射）来破解加密算法。在评估芯片的电磁泄漏时，通常需要将探针放置在芯片上方的有利位置，但现有的研究大多集中在热点发现和重定位上。本文提出了一种新方法：使用来自多个EM探针位置的迹线训练单个神经网络，从而在更大的区域内检测泄漏。作者进行了双实验室评估：一个实验室的数据用于训练，另一个实验室的迹线用于攻击，验证了方法的跨设备泛化能力。实验表明，该方法能够有效应对探针位置变化带来的挑战，提高了侧信道分析的实用性和鲁棒性。这项研究对于硬件安全评估和抗侧信道防护设计具有参考价值。

本论文针对后量子密码（PQC）硬件实现中的掩码Barrett reduction的侧信道泄漏问题，提出首个通用且机器验证的基数界限——1-Bit Barrier。Barrett reduction是基于NTT的PQC实现（如ML-KEM、ML-DSA）的非线性核心，但现有组合框架（ISW、t-SNI、PINI、DOM）仅针对GF(2)上的布尔掩码，无法直接应用于素域上的算术掩码。作者基于此前系列工作（QANARY、partial-NTT-masking margins、代数基础、蝴蝶组合），填补了这一空白。核心贡献在于：1）证明对于任意模数q>0和移位s，Barrett内部导线映射f_x(m) = ((x + 2^s - m) mod 2^s) mod q的原像基数属于{0,1,2}，绝不超过2——这一性质被称为1-Bit Barrier，意味着每条内部导线最多泄露1比特的最小熵；实际泄漏通常更少，因为计数为0的情况（不可达输出值）使界更为保守。2）引入PF-PINI（素域PINI）概念，证明Barrett满足PF-PINI(2)，Cooley-Tukey蝶形运算满足PF-PINI(1)，并观察到在阶段间加入新鲜掩码时，组合管线的最大原像基数为max(k1, k2)，因此1-Bit Barrier可传播。3）在Lean 4（Mathlib）中完成了12条定理的机器验证，无一个“sorry”，结果对所有q>0通用。4）指出Adams Bridge因缺少阶段间新鲜掩码而违反PF-PINI组合，解释了此前发现漏洞的原因。该工作为NIST IR 8547推荐的形式化方法在PQC实现验证中提供了首个通用机器验证的基数界，并给出1比特泄漏的直观解释。适合侧信道分析、PQC硬件安全、形式化验证领域的研究者和工程师阅读。

实验证明使用Chevallier-Mames原子块的二进制左右kP算法仍易受单迹侧信道攻击。