该论文关注静态侧信道攻击（static side-channel attack）这一逐渐升温的芯片安全威胁。此类攻击的核心思路是让芯片时钟停摆，使电路在保持秘密数据驻留于寄存器/存储器中的同时进入可被观测或分析的状态，从而绕过依赖动态执行流程的防护。针对这一威胁，业界此前的防御手段主要是监测时钟异常，一旦发现时钟行为不正常就立即触发敏感数据清零（zeroization）。本文作者指出，这类防御假设“异常监测电路本身可靠”，而该假设并不成立。 作者发现，将芯片置于极低温环境中会干扰片上混合信号（mixed-signal）模块的正常工作，而这些模块正是时钟传感、时钟生成以及电压传感等安全监测能力的物理基础。基于这一观察，作者提出名为 Chypothermia 的攻击方法：它无需对系统做任何电气层面的篡改（即不接触、不断线、不注入信号），即可使目标时钟传感器、时钟生成电路和电压传感器失效，同时让秘密数据继续保留在芯片上而不被清零。由于降温本身是一个缓慢的过程，单独使用时往往不足以对抗配备了温度传感器、能够检测热异常的系统；作者因此将 Chypothermia 与 Chypnosis（Mitard 等人，IEEE S&P 2026）结合，证明即使在仅处于中等低温的工作区间内，该组合也能在停摆时钟的同时规避检测。 作者在多个 FPGA/SoC 平台上实现了 Chypothermia，并成功使软 IP 与硬 IP 两种传感器实现方式失效。更进一步，作者将攻击应用于 OpenTitan 信任根（root of trust）的 alert handler——该组件集成了业界较先进的时钟传感器——结果显示攻击能够逃逸检测并阻止密钥清零。最后，作者提出并实现了一种可在 FPGA 上部署的自加热传感器作为对策，并验证其对 Chypothermia 具有一定的鲁棒性。该工作提示：纯数字逻辑层面的异常监测不足以覆盖物理层攻击面，硬件信任根的物理防护需要重新评估。

该论文研究容错量子计算机在运行过程中产生的遥测流（syndrome 测量、decoder 决策、reset 与时序记录）是否会泄露逻辑输入，即执行记录（execution transcript）的隐私问题。作者针对固定调度下运行 T=Θ(d) 轮的、距离为 d 的旋转 surface code 记忆体，在三个明确陈述的假设（sector-scalar honest backbone、transcript locality、Kotecky-Preiss smallness）下证明：从逻辑量子比特到 transcript 的信道，在 diamond norm 意义下与一个完全忽略输入的信道相差 e^{-Θ(d)}，即随码距指数级趋于输入无关。这类结论可由 correctability-privacy 对偶性一般性地推出。但论文强调各向异性（anisotropy）并不自动成立：每个逻辑轴必须付出其自身陪集的距离代价，因此在 amplitude damping 条件下，计算基标签的安全性由码的 Z-距离 d_Z≥d_min 决定，而不是由码距离 d_min 决定，二者可以相差很大。作者用两个量子距离均为 1 的码把这一差距具体化：phase-flip 码的 X-syndrome transcript 在未被观测的 damping 下精确地与输入无关，而 repetition 码则在一阶就发生泄露。一个匹配的逆命题（converse）进一步刻画了哪些记录确实会暴露输入，其中包含 lattice-surgery 奇偶读出。实验方面，作者在 156 量子比特超导处理器上评估其充分性证明条件，发现该证书的裕度差了 21.5 倍，因此在该硬件上无法直接引用该定理。直接测量则显示：在随机化、标签均衡的采集下，d_Z=1 的记忆体的记录可以以总变差 ≥0.927 识别其输入。固定码、改变 damping 暴露程度，实验结果复现了一个无参数的理论定律，实测指数为 0.85±0.03，与预测值 0.86 相符。最后，随机化编码可以在不增加任何双量子比特门成本的前提下，把该统计量压回噪声底线。总体结论是：容错本身并不授予 transcript 隐私，它只是把隐私的位置重新安排，并且只保护到逻辑态层面，而不保护电路自身身份。

该论文揭示了 SSH 协议在通道复用场景下存在一个此前未被发现的压缩侧信道漏洞。SSH 是服务器远程安全管理的标准协议，其传输层使用二进制包协议（BPP）进行加密和认证，而连接协议则在单一连接上复用多个逻辑通道，用于交互式 shell、端口转发等功能。作者发现，当 SSH 启用压缩时，同一连接上的所有逻辑通道共享同一个压缩上下文。攻击者若能在某个通道中注入部分已知明文，并通过网络观察对应密文的长度，就能利用压缩前后数据长度的变化推测其他通道中的秘密信息。这是一种自适应的选择明文攻击，与针对 HTTP over TLS 的 CRIME/BREACH 攻击类似，但这是首次将压缩侧信道攻击应用于 SSH，也是首次在 SSH 分析中同时考虑被动窃听者和 Web 攻击者的威胁模型。论文在三个不同应用场景中演示了攻击，并评估了协议噪声对攻击效果的影响。在最理想（低噪声）场景下，对于 26 个字母的字母表，恢复一个 8 字符长度的秘密最多只需 276 次猜测。最后，作者分析了当前 SSH 生态系统中对压缩支持的情况以及其他可能影响攻击实际成功率的实现特性。该研究适合 SSH 协议实现者、系统安全研究员以及负责加固远程管理通道的蓝队工程师阅读，有助于理解 SSH 压缩功能引入的额外风险。

该论文针对 5G NR 网络中通过侧信道实现用户追踪的研究。此前已有工作利用弱运营商配置泄露网络参数（如无线网络临时标识符 RNTI 或加扰因子 N_ID），或者通过低效的暴力破解方式解析下行控制信息（DCI），从而实现对用户的识别、实时活动分类和指纹追踪，影响数十亿 5G 用户以及部署私有 5G 网络的企业。本文提出一种新型技术，利用代数结构来逆向 DCI 的加扰过程，并完整集成到一个开源的端到端二进制 DCI 嗅探流水线中。该方法完全被动，不依赖任何侧信道泄漏，能够为后续攻击（如实时用户跟踪）提供支持输入，并支持自动检测所使用的控制信道配置。作者通过针对 srsRAN、OpenAirInterface5G 以及两家商用厂商部署的测量活动，验证了该方法的鲁棒性和性能。实验表明，在信噪比（SNR）低于有效通信预期值的条件下，其块错误率低于 1%，同时在参考样本上的处理速度显著快于此前提出的被动暴力破解方法。论文的核心贡献包括：提出一种基于代数结构的高效 DCI 去加扰算法，绕过了对 N_ID 或 RNTI 侧信道泄漏的依赖；实现了完整的开源 DCI 嗅探工具链；并通过多厂商实测证明了其通用性与有效性。需要注意的是，该研究揭示了 5G 标准设计中的隐私风险，即物理层控制信令结构本身可能导致用户被追踪，即使运营商配置正确也难以防护，因此对 5G 安全研究者、运营商和标准制定者具有重要参考价值。

该论文研究多租户大语言模型（LLM）服务场景下，共享KV缓存（key-value cache）重用所引发的定时侧信道攻击在真实并发负载下的可靠性问题。尽管已有工作表明此类攻击可行，但在实际多租户竞争环境中其稳定性尚未被充分理解。作者在真实共享LLM服务系统上设计了七组实验，使用vLLM服务器部署DeepSeek-R1-Distill-Llama-8B模型于NVIDIA GB10平台进行验证。实验发现，当没有合成工作负载时平均Cohen's d值为0.7789，当增加两个工作进程时该值降至0.2109（t=8.412），而进一步增加工作进程数量并未导致统计上显著的额外衰减；120次稀疏重叠实验将最佳断点置于测量范围边界（tau=0, 95% CI [0.000,0.113]），表明存在环境负载与满载之间的状态转换，而非内部物理阈值。AUROC从环境负载下的0.650降至接近61%重叠时的0.531，并在饱和时部分恢复至0.574。并发深度方差是效应量（r=-0.416）和命中一致性（r=-0.637）最强的实测相关因素。交错对照实验保持了相同的非单调排序。在真实的两节点、双GPU张量并行vLLM配置中重演了主要崩溃现象，平均d值从3.418降至0.511（p<0.01）。两个SGLang试点实验在统计上无法得出结论。总体而言，KV缓存定时侧信道的可靠性强烈依赖于负载状态和服务堆栈，在安静系统上进行的测量可能会高估实际部署中的攻击可靠性。

本文提出了一种针对本地部署大语言模型(LLM)的侧信道攻击方法，通过观察 CPU 缓存活动来重建模型生成的文本。与以往依赖特定部署条件(如共享数据内存、CPU offloading 或 Mixture-of-Experts 架构)的攻击不同，该方法针对的是 detokenizer(解码器)——这是所有默认 LLM 推理流程中都会使用的组件，因此攻击面更广。攻击流程分为两个阶段：首先使用 Flush+Reload 技术监控共享的 tokenizer 代码，精确检测解码发生的时机；然后在正确的时间窗口执行 Prime+Probe，捕获与当前生成的 token 相关的缓存访问足迹。由于直接读取缓存信号会引入大量噪声，作者设计了一个聚类加语言模型的流水线，从含噪声的缓存观测中恢复到语义准确的文本。实验在多种数据集、硬件平台、推理框架和模型家族上进行，证明了该方法能够从真实世界的本地 LLM 部署(包括智能体系统)中重建语义准确的输出。作者还特别指出，当前最广泛使用的 tokenizer 实现大多易受此攻击影响，这些实现被嵌入到许多流行的本地 LLM 产品和智能体框架中，例如 OpenClaw(作者已实际演示了攻击效果)，从而极大地拓宽了攻击的实际威胁面。该研究揭示了本地 LLM 推理中一个此前未被充分重视的隐私泄露环节，提醒开发者关注 detokenizer 阶段的侧信道风险。

该论文研究了通过智能眼镜拍摄的视频进行密码推断的侧信道攻击。研究背景是用户在公共场所使用智能手机输入密码时，可能被攻击者录制视频并通过分析手指运动恢复密码。此前基于视频的键盘侧信道攻击仅针对平板上的自由文本、数字PIN、图案锁等，且条件过于简化。本文首次提出一种通用的基于视频的键盘推断流水线，能够恢复符合规则、包含字母数字的密码，覆盖智能手机QWERTY键盘的全部四种布局，且对受害者或设备无任何假设。该流水线利用常见智能眼镜（如Meta Ray-Ban）的摄像头，以亚像素分辨率追踪设备与击键手指，通过自监督神经网络集成预测击键，动态估计屏幕键盘布局，并计算每个按键的概率分布。随后将视频推断的概率与基于21.9亿泄露密码的先验打字分布结合，估计密码的排名，从而推断破解时间。用户研究中，符合典型企业密码策略的人类自选密码（最长16字符）可在数小时至数天内被破解；而密码管理器生成的随机密码（最长13字符）在当代GPU上不到一小时即可破解，与先前基线相比密码熵可降低最多60比特。对于人类自选密码，将视频证据与先验统计结合相比单独使用任一来源，额外获得约20比特的熵减。该攻击在距离最远1.8米时依然有效，适用于多种攻击者-受害者姿态和视角，并能泛化到三款主流智能手机。该研究主要贡献在于提出了首个通用、无需假设的视频键盘推断框架，并实证了智能眼镜带来的现实威胁。适合安全研究人员、移动设备安全团队以及密码策略制定者阅读。

Load Value Injection (LVI) 是一种结合了 Meltdown 类数据流与 Spectre 式混淆副手攻击的新型微架构侧信道攻击，曾展示出对 Intel SGX 飞地（enclave）的实用攻击能力。为缓解 LVI，业界曾部署了多种防御，但性能开销高达 2 至 19 倍。本文作者发现，即使在修复了 LVI 的硬件（LVI-fixed）上，LVI-NULL 泄漏依然存在，因此要在这类 CPU 上安全运行 SGX 飞地，先前那些昂贵的缓解措施仍然必不可少。针对该问题，作者提出了一种轻量级缓解方案 LVI-NULLify。首先，作者对 LVI-NULL 的各种变体进行了系统性分析与分类，指出现有面向 LVI-NULL 的缓解建议实际上并不有效。随后，LVI-NULLify 重新利用了 x86 在每次内存访问中已采用的快速传统硬件机制——分段（segmentation），将其转用于封锁可被 LVI-NULL 利用的内存位置，从而使飞地本身能够控制这些高风险地址。具体实现包含修改后的 SGX-SDK 和编译器扩展。作者在 LVI 修复版的 Comet Lake CPU 上进行了评估，最坏情况下性能开销低于 10%，而之前防御体系在最坏情况下的开销高达 1220%（约 13 倍）。实验证明 LVI-NULLify 是一种实用且高效的解决方案，可在当前硬件上有效保护 SGX 飞地免受 LVI-NULL 影响。该研究不仅揭示了硬件修复的盲区，也提供了一项可直接部署的低开销加固技术，对依赖 SGX 的可信执行环境、多租户云场景以及安全研究均有重要参考价值。

本文研究基于缓存冲刷的侧信道攻击（如 Flush+Reload 与 Flush+Flush）在真实多核系统中的噪声鲁棒性问题。传统观点认为此类攻击在攻击者与受害者共享操作系统页面的受控隔离环境中精度极高，但作者观察到，在存在多核并发应用、系统负载动态变化的场景下，攻击准确率会显著下降。作者将根因归结为两点：其一，核心频率随系统负载动态波动，导致 clflush、mov 等关键指令的执行延迟发生非预期变化；其二，受害者与攻击者线程在处理器上的相对放置位置（如是否位于同一物理核心）会影响时序测量。这些动态因素使攻击前的静态校准步骤失效。为此，论文提出 DABANGG，一套针对冲刷型缓存攻击的改进方案，使其具备频率与线程放置感知能力，从而抵御系统噪声干扰。具体包括三项核心技术：第一，引入对指令延迟变化敏感的预攻击校准方法；第二，在攻击过程中采用低成本的优化手段，如细粒度忙等待和基于延迟阈值的周期性反馈，以提升攻击有效性；第三，提供受害者特定参数，显著改善攻击精度。作者在包含计算密集型、内存密集型和 I/O 密集型系统噪声的多种场景下，对 DABANGG 增强版 Flush+Reload 与 Flush+Flush 攻击进行了侧信道与隐蔽信道实验评估。结果表明，在所有测试场景中，DABANGG 增强版在隐蔽性和准确率两方面均优于标准攻击。本文主要面向计算机体系结构、侧信道分析与系统安全领域的研究人员，其核心贡献在于揭示了动态频率与线程调度对微架构侧信道攻击的实质影响，并提出了一种系统性的校准与自适应优化框架。

加密流量虽能保护内容，但仍会泄露通信模式，攻击者可据此进行网站指纹等侧信道识别。此前二元情形下的侧信道存在性定理仅能证明两分类间有互信息，无法推广到多分类，也未纳入主动防御（如流量整形）。本文将定理扩展到 k 类场景：利用每类分解 I(X;Y)=∑π_i D_{KL}(P_{Y|i}||P_Y)，将互信息表示为各类先验加权的 KL 散度之和；用每类 Wasserstein-1 距离约束防御导致的分布偏移，建模防御成本。三个核心结果：(1) 对所有活动类的互信息求和下界；(2) 级联临界成本定理及每类预算推论，在统一预算下界消失时依然非零；(3) 精度推论 Acc*≥2^{I_0}/k>1/k。在 95 类网站指纹数据集上，所有测试防御下测得的互信息 95% 置信下界严格为正，证明泄漏不可避免。与同时考虑全部 C(k,2) 个三角形约束的成对凸规划相比，求和形式数值上仅强 1.45 倍，但结构上让每个类拥有独立临界成本和级联。论文还指出 FRONT 防御报告的 122 倍差距主要源于阈值排除，在活动类上实为 21 倍，接近无防御时的 15 倍；分步测量显示，压缩到 Lipschitz 统计量的步骤贡献 28 倍下界，而散度步骤仅 1.5 倍，表明散度是主要瓶颈。无防御时的一对多可区分性与防御后每类泄漏的 Spearman 相关达 0.62–0.77，支持认证机制的迁移性。该框架在 100 类 QUIC/TCP 数据上同样适用。

该论文提出了一种名为 RadKey 的射频反向散射系统，用于实现隐蔽、远距离、穿墙的键盘按键推断攻击。研究背景指出，键盘作为敏感信息输入的主要设备，一直是侧信道窃听攻击的目标；以往基于声学、振动等侧信道的方法通常需要近距离放置传感器，且依赖受害者特定数据进行模型训练，局限了其实用性、扩展性和隐蔽性。RadKey 的核心组件包括一个无电池的紧凑型反向散射标签和一个射频阅读器。标签通过两个磁耦合的 LC 谐振器，将按键引起的振动和声学信号调制到反向散射射频信号的频移上，同时该设计实现了激励信号与反向散射信号的频谱分离，减轻了阅读器的自干扰，从而增大窃听距离。射频阅读器对反向散射信号解调后，可推断出受害者键入的内容。系统采用专用的信号处理流程，在时域和频域提取与用户和键盘无关的按键特征，从而具备较强的泛化能力。为进一步增强适应性，RadKey 集成大语言模型进行在线自适应：在运行过程中，将 LLM 的输出作为伪标签来优化分类器。作者完成了完整原型系统，并通过广泛的无线实验评估，结果表明 RadKey 在真实环境中对不同用户均能实现准确且鲁棒的按键推断。论文还提供了演示视频链接。该研究的主要贡献在于：提出一种新的基于反向散射的穿墙窃听架构，解决传统侧信道方法在隐蔽性和泛化性上的不足，并展示 LLM 在信号分类中的在线适配潜力。适合安全研究人员、硬件安全工程师及侧信道攻击防御者阅读。

该论文发表于硬件安全与侧信道分析领域，提出了一种基于激光辅助的侧信道攻击方法，旨在自动提取芯片内部的秘密信息（如密钥、固件等）。传统侧信道攻击通常通过功耗、电磁辐射等物理信道泄露来恢复数据，而本文利用激光与晶体管电路相互作用时产生的物理效应，实现更精准、更可控的探测或注入。论文标题中的“晶体管丛林”形象地指代复杂、高密度的现代集成电路布局，暗示该方法能够在极其复杂的芯片结构中进行自动化、高空间分辨率的秘密提取。虽然目前仅能获得论文标题和摘要片段，但可以推断其核心贡献在于：开发了一套自动化的激光辅助侧信道分析框架，可能结合光学探测技术或激光故障注入，提升对先进制程芯片的攻击能力。该研究对硬件安全防御者具有重要警示意义，因为它可能在无需完全解密芯片内部结构的情况下，通过物理接触或近场光学手段提取关键安全资产。适合芯片安全研究人员、硬件红队成员以及设计安全可信硬件的工程师阅读。由于没有更详细的实现与实验结果，本摘要仅基于论文标题进行合理概述。

本文针对 TLS、QUIC、SSH、IPsec 等安全网络协议中的长度隐藏（length-hiding）机制展开研究。此类协议在加密时允许添加填充以混淆消息长度，但协议规范未提供选择填充长度的明确指导。尽管已有研究证明消息长度泄漏可被攻击者利用（如 CRIME/BREACH），但如何最佳防御该问题在学术界仍未得到充分重视。作者在通用场景下给出了长度隐藏安全（length-hiding security）的形式化模型，并重新审视了先前 Tezcan 与 Vaudenay 关于“均匀随机抽样填充长度即可达到最优安全性”的结论。研究表明，该结论只有在攻击者仅能获取单个密文时才成立；当攻击者能够获得多个密文时，均匀随机填充的安全性显著下降，甚至可能成为最差的选择之一。作为替代，作者提出根据高斯分布（正态分布）对填充长度进行抽样，能够在相同额外开销下实现可量化更优的安全性。为了验证理论结果，作者在 CRIME/BREACH 攻击实验环境中对高斯填充与均匀填充进行了对比，实验结果显示高斯填充显著提升了覆盖或抗泄漏的能力，确认了理论预期。该工作不仅补全了长度隐藏防御的理论缺口，也为安全协议的实际实现提供了更科学、可操作的填充策略参考，推动密码学基础防御手段的改进。

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。

本文披露了主流 VR 平台中控制器与头显交互所用红外（IR）信号存在新型侧信道泄漏，并由此提出一种名为 VRecKey 的击键推断攻击。该攻击利用定制化的 2D 红外传感器阵列，非侵入性地截获 VR 控制器发出的环境红外信号，进而重构用户在虚拟键盘上的输入内容。具体而言，VRecKey 能够推断字符级按键以及词级击键及其打字轨迹。作者在两种商用 VR 设备上进行了广泛评估，结果显示在推断不同长度的字符级和词级击键时，Top-3 准确率分别超过 94.2% 和 90.5%。此外，实验还表明 VRecKey 对多种实际影响因素具有鲁棒性，并在多种真实场景下依然有效。该工作揭示了 VR 平台中一种全新的攻击面，对 VR 交互安全构成潜在威胁，为击键推断攻击在 VR 环境中的研究提供了补充和正交的视角。本研究属于学术研究成果，尚未有证据表明该漏洞已在真实环境中被利用。本文适合关注 VR/AR 安全、侧信道分析、人机交互安全的研究人员、VR 平台开发者以及安全防护人员阅读。

该论文关注高性能 CPU 市场从 x86 向 Arm 架构转型的背景，特别是 Apple M 系列芯片在苹果生态系统中完全取代 Intel CPU 的趋势。作者指出，尽管 x86 CPU 已被安全社区广泛分析，但苹果生态系统的安全性仍然缺乏系统性的探索。论文提出了一种基于浏览器的无计时器推测执行攻击方法，命名为 iLeakage，针对 Apple 设备（如搭载 M 系列芯片的 Mac 和 iOS 设备）发起侧信道攻击。传统推测执行攻击通常依赖高精度计时器来测量缓存或微架构状态变化，但浏览器环境往往限制或模糊化计时精度。iLeakage 通过利用不需要显式计时器的机制，在 Safari 等浏览器中实现跨进程或跨站点的敏感信息泄露。论文的核心贡献是首次在苹果自研芯片上展示实用的浏览器端推测执行攻击，弥补了 Arm 架构（特别是 Apple Silicon）安全研究的空白。虽然摘要未提供具体攻击细节和实验数据，但该方法暗示了苹果设备在现代 Web 攻击面中面临新的侧信道风险，也表明需要针对 Apple 芯片的微架构特性重新审视浏览器安全隔离机制。

该论文研究推测执行（speculative execution）与信息流语言中“去分类”（declassify）机制之间的相互作用。在实用的信息流编程语言中，程序员可通过 declassify 构造声明有意泄露的数据，例如从私钥计算出的签名或密文通常被信息流分析视为秘密，而密码库可用 declassify 将其公开。论文发现推测执行会导致去分类点产生非预期的信息泄露：攻击者可利用瞬态执行在错误的时间访问正确的内存位置，从而绕过常规信息流保证。作者给出了一个针对 AES 实现的 PoC，能够从标准实现中恢复密钥，该 PoC 是 Spectre 攻击的一个实例，并且在程序使用广泛使用的编译器级防护手段——推测负载加固（SLH）编译时仍然有效。为应对这些攻击，论文提出了形式化对策，包括对 SLH 的重大改进，称为选择性推测负载加固（selSLH）。这些对策能有效地强制执行相对非干涉（RNI），非正式地说，受保护程序的推测性泄露被限制为原程序已有的顺序泄露。作者在专为高保证密码学设计的 FaCT 语言和编译器中实现了最简单的对策，性能开销最多为 10%；虽然未直接实现 selSLH，但初步评估表明，与传统 SLH 相比，selSLH 能显著降低密码学函数的性能成本。该研究揭示了现有防护（如 SLH）在去分类场景下的盲区，为高保证密码学实现提供了新的形式化安全保证和可落地的加固方向。

本文首次提出并系统研究了内存压缩算法中的时序侧信道攻击，命名为 Decomp+Time。此前针对压缩算法的侧信道研究仅利用了压缩率（如压缩后数据大小）这一指标，而本文发现解压过程中的数据依赖操作也会引入可观测的时序差异，从而构成信息泄露通道。该攻击影响范围远大于此前工作，因为内存压缩在现代操作系统中被广泛使用（如 Linux ZRAM、云环境、浏览器等），且即使应用仅通过远程接口暴露也可能被利用。核心挑战在于如何构造攻击者可控的压缩载荷，以足够的分辨率触发并放大解压时序差异。为此，作者设计了一个进化模糊测试工具 Comprezzor，能够自动搜索有效的 Decomp+Time 载荷，优化延迟差值，使得解压时间差异即使在远程网络条件下也能被可靠观测。实验表明，Decomp+Time 在本地泄漏速率可达 9.73 kB/s，在跨互联网（14 跳）场景下仍有 10.72 bit/min 的稳定速率。作者在四个不同场景中验证了攻击：1）通过远程 PHP 脚本从 Memcached 以 1.50 bit/min 泄漏数据；2）通过 Python-Flask 应用中的 PostgreSQL 数据库跨互联网以 2.69 bit/min 泄漏数据库记录；3）在 Linux 上从 ZRAM 压缩页面以 49.14 bit/min 本地泄漏机密；4）在启用 ZRAM 的系统上，从 Google Chrome 浏览器内的 V8 引擎泄漏内部堆指针。这些案例证明，即使目标仅通过远程接口可达，压缩敏感数据也可能导致严重的信息泄露。因此，本文呼吁重新审视压缩在敏感数据上的使用安全。研究贡献包括：首次提出内存压缩时序侧信道攻击、自动化载荷生成工具 Comprezzor、跨本地与远程的多场景实证分析，以及对现有压缩安全假设的挑战。适合系统安全研究者、操作系统与云平台开发者、以及关注数据泄露风险的蓝队人员阅读。

该论文研究如何利用物理侧信道（GPU功耗）进行AI工作负载识别，为AI治理中的计算验证提供技术基础。作者指出，AI计算验证是国际AI治理政策中第一个可落地、可操作的关键点。监管机构若要判断前沿实验室或其他操作方是否遵守相关协议，需要能辨别其GPU计算资源的具体用途（如训练、推理或其它非AI计算）。与可被欺骗或重放的片上NVML遥测不同，物理功耗通道原则上可以在操作者不配合的情况下被外部独立观测。作者在NVIDIA H200 GPU上记录了930条约10 MHz采样率的5秒功耗迹线，涵盖17个开源大语言模型（LLM）家族和25种非AI工作负载。基于该语料库，他们以97%的准确率和0.955的宏平均F1分数，成功将训练、推理与非AI计算区分开来，且评估采用的模型家族在训练中从未出现过。频谱分析表明，AI工作负载的功耗成分主要低于20 kHz，其中训练过程因显存受限的优化器更新而具有特别显著的特征。为进一步验证方法的健壮性，作者将GPU操作者视为对抗性攻击者，允许其重塑物理计算过程，并测试了四种将训练伪装为推理的逃避策略，共生成680条对抗性迹线。经对抗性强化训练的检测器（保留被测试策略）对其中三种策略的捕获率不低于99%；对于第四种“稀释的低秩自适应（LoRA）”策略，强化分类器的检测率在48%到88%之间，但添加额外的救援规则后可将检测率提升至98%以上。作者声明，这些攻击测试并非对对抗性行为的全面评估，但提供了超越真实活动场景的初步洞见，并公开了数据集，以促进更强逃避机制的研究与检测模型的开发。整体而言，该研究展示了外部物理信道用于AI合规监控的可行性与对抗性挑战，对AI治理、GPU资源审计和基础设施安全均有重要参考价值。

该论文针对静态侧信道分析的可达性问题展开研究。在侧信道攻击中，攻击者通常需要找到从程序输入到敏感信息泄露的传播路径（即可达性），而静态分析技术常被用于自动识别这类路径。作者提出一种名为“借用时间”（On Borrowed Time）的方法，旨在从源头阻止静态侧信道分析的有效性，而非仅仅检测或缓解单条泄露路径。核心思路是引入时间维度上的不确定性：通过混淆或扭曲程序在执行过程中的时序行为，使得静态分析无法准确推断敏感数据与可观测输出之间的因果关系，从而破坏侧信道泄露的判定基础。论文可能提出了新的程序变换或代码混淆策略，并对其安全性、性能开销以及对抗静态分析的实际效果进行了形式化分析与实验评估。主要贡献在于首次从“对抗静态分析本身”的角度设计防御机制，而非依赖运行时的随机化或掩码，为侧信道防护提供了新的研究思路。适合关注侧信道安全、程序分析、编译器优化及软件防护的学者和工程师阅读。由于仅基于摘要，具体技术细节和实验数据需查阅原文。

该论文研究 WiFi 波束赋形（beamforming）反馈机制中的明文传输隐私泄露问题。在 IEEE 802.11 标准中，客户端设备（如手机、笔记本电脑）需要向接入点发送波束赋形反馈矩阵（beamforming feedback matrix），以帮助 AP 进行信道适配和空间复用。论文指出，这些反馈矩阵以明文形式传输，且包含与物理空间位置强相关的信道状态信息（CSI），攻击者通过被动监听这些明文反馈，即可提取用户设备的方向、移动状态甚至室内位置等敏感信息。核心方法包括：分析波束赋形反馈的标准字段与物理层映射关系，设计针对性的特征提取和位置推断算法，并在真实环境中采集多种设备（不同天线配置、不同 WiFi 标准）的数据进行验证。实验结果表明，即使仅利用明文反馈中的有限信息，攻击者也能以较高精度推断用户位置和活动状态，且无需建立与目标设备的连接，完全隐蔽。主要贡献在于：首次系统性地揭示波束赋形反馈的隐私风险，提出一种低成本、被动式的侧信道攻击框架，并讨论现有防护手段（如加密反馈、反馈矩阵降噪、随机化）的不足。适合关注无线物理层安全、隐私增强技术、WiFi 协议安全的蓝队安全研究者、协议设计者及隐私工程师阅读。

该论文针对Web浏览器中的侧信道攻击问题，提出并实现了基于渲染进程竞争的通信信道。在浏览器多进程架构下，渲染进程对CPU和GPU资源的调度存在竞争条件，攻击者可以通过观察渲染任务的时序变化来推断其他进程的活动状态，从而建立跨源通信信道。论文的核心贡献在于将渲染竞争信道从理论概念转化为实际可用的攻击工具，可能包括信道构建、容量优化、抗噪编码等。作者可能通过实验验证了该信道在主流浏览器中的可行性，并测量了传输速率和错误率，同时讨论了该信道对现有安全机制的绕过能力。此外，论文可能提出了相应的检测和缓解策略。由于仅提供论文标题，具体方法、实验数据和结论需查阅原文才能确定。该研究对浏览器安全、侧信道防御和隐私保护具有参考价值。

本文针对视频通话场景中的键盘敲击推断攻击展开研究，揭示了参与者在视频会议过程中可能无意间泄露敏感输入信息的风险。随着远程办公和在线交流的普及，视频通话已成为个人与专业沟通的主要方式，但用户往往忽视摄像头可能捕捉到的手指动作、键盘反射等细微视觉线索。作者设计并评估了一个基于视频流的攻击框架，能够从通话视频中推断用户敲击的键盘按键。该框架利用视觉侧信道信息，结合视频中手部位置、按键按压动作等特征，实现对文本输入的还原。研究在多种实验条件下评估了攻击框架的性能，包括不同型号的网络摄像头、视频分辨率、键盘类型、衣物颜色以及背景环境，以模拟真实多样的使用场景。实验结果表明，在常见且现实的环境设置下，攻击框架能达到较高的按键推断准确率，这一发现凸显了用户对视频通话隐私风险的认知不足以及采取防护措施的必要性。为了应对该威胁，作者还提出了若干自动化的缓解技术，旨在用户于视频通话中输入时主动提供保护，降低泄露风险。本文的核心贡献在于系统性地评估了视频通话键盘推断攻击的可行性与危害，并为后续防御技术的研究提供了基础。适合视频会议服务提供方、安全研究者和关注隐私保护的用户阅读，以理解此类侧信道攻击的潜在影响并制定相应防范策略。

这篇 arXiv 论文提出了一种被称为“Pixnapping”的新型像素窃取攻击，旨在重新激活并超越 2013 年 Stone 所开创的经典像素窃取技术。像素窃取攻击利用恶意网站嵌入受害网站的 iframe，并借助 SVG 过滤器对跨域内容进行像素级计算，从而通过侧信道泄露敏感信息（如用户在目标站点上看到的文字、图像或页面状态）。Stone 的原始方法在当时展示了严重威胁，但近年来主流浏览器和网站普遍采用 X-Frame-Options、CSP frame-ancestors、SameSite Cookie 以及更严格的跨域隔离策略，使得传统像素窃取攻击几乎被完全缓解。论文的标题“Bringing Pixel Stealing out of the Stone Age”暗示其作者提出了某种突破现有防护机制的新思路，可能从浏览器实现缺陷、组合侧信道或新型渲染特性入手，使攻击在现代浏览器环境中重新可用。由于仅提供摘要，论文未给出具体技术方案和实验数据，但可推断其核心贡献在于对像素窃取威胁模型的重新审视，并可能提供可操作的绕过方法。该研究适合关注 Web 安全、浏览器同源策略、侧信道攻击及隐私保护的安全研究员、浏览器开发者和安全意识强的网站管理员阅读。值得注意的是，本摘要仅基于论文 abstract，未包含实验验证细节，因此所有判断均属于“abstract_only”级别的初步分析。

本文提出Swivel，一个用于加固WebAssembly（Wasm）免受Spectre攻击的编译器框架。在浏览器之外，Wasm已成为一种流行的轻量级进程内沙箱，常用于边缘云计算和函数即服务（FaaS）平台中隔离不同客户端。然而，Spectre攻击能够绕过Wasm的隔离保证，使恶意代码可能读取沙箱外或其他客户端的数据。Swivel通过确保潜在的恶意代码既不能利用Spectre跳出Wasm沙箱，也不能胁迫受害代码泄露秘密数据，从而加固Wasm。作者设计了两种Swivel方案：一种纯软件方法，可运行于现有CPU；另一种硬件辅助方法，利用Intel第11代CPU的MPK等扩展。两种方案都分别实现了随机化缓解和确定性消除两种模式。随机化模式在SPEC 2006的Wasm兼容子集上开销低于10.3%，而确定性模式开销在3.3%到240.2%之间。尽管某些基准测试开销较高，但Swivel的开销比现有依赖流水线栅栏的防御小9倍到36.3倍。实验表明，Swivel在提供有效防护的同时，性能开销相对较低，为Wasm沙箱环境提供了实用的Spectre防护方案。

多核处理器在嵌入式系统中日益普及，以满足不断增长的性能需求。然而，多核架构的物理侧信道分析研究一直相对滞后，根本原因在于获取可用的电磁泄漏信号极为困难，这使得针对此类系统的侧信道安全研究远落后于实际应用，留下严重的安全隐患。针对这一空白，本文深入揭示了多核架构中的电磁泄漏产生机制，并首次成功实现了每核级别的泄漏利用，从而突破了以往无法在多核上进行有效物理侧信道分析的瓶颈。在方法上，作者提出了一种非侵入式的侧信道监控方式，能够以每个核心为粒度进行泄漏采集与分离，极大提升了监控粒度。为了验证其可行性和实用性，他们在一个配备射频前端的异构SoC平台上构建了原型系统，并在商业现成的四核嵌入式设备 Raspberry Pi 4B（采用 ARM Cortex-A72 内核）上开展实验。实验结果表明，该原型能够有效识别和提取不同核心的独立电磁泄漏信号，证明了该监控方法的有效性与可部署性。该研究不仅填补了多核系统物理侧信道分析的研究空白，同时也为后续的侧信道攻击防护、硬件安全监测、以及安全评估工具提供了全新的视角和基础。

本文研究了大语言模型（LLM）推理迁移到边缘AI加速器后引入的新型物理安全威胁。在执行推理时，模型参数和中间推理状态会被反复加载到芯片上处理，这使得它们容易受到物理侧信道攻击。作者提出并演示了一种基于激光电压成像（Laser Voltage Imaging）的攻击方法，能够从芯片的局部存储器和计算子电路中提取LLM资产，包括嵌入（embeddings）、注意力（attention）、量化后的MLP权重、激活值以及其他推理状态。为了验证这一方法，作者在基于FPGA的LLM加速器上实施了攻击。由于这类加速器在地址、瓦片（tile）、模块和层之间复用相同的缓冲区和计算子电路，读取资产值只需在推理过程中探测不同的存储器即可。实验实现了对目标值的完全恢复；即使某些权重或位未被读取，作者也建立了一种方法论来恢复资产值。此外，作者推导了成像工作量与资产尺寸之间的下界关系，表明直接恢复的复杂度随目标资产大小线性增长。该研究揭示了边缘AI芯片在物理层面上的信息泄露风险，为硬件安全研究和LLM部署的安全性评估提供了重要参考。适合硬件安全研究人员、边缘AI系统设计者以及关注LLM机密性的安全工程师阅读。

本文提出了一种名为 PowerHooK 的新型侧信道攻击技术，旨在针对 AMD SEV（安全加密虚拟化）技术实现基于软件的电能侧信道泄露。AMD SEV 系列（包括 SEV、SEV-ES 和 SEV-SNP）被广泛用于保护云环境中的虚拟机隔离，但其硬件设计仍可能受到瞬态执行攻击的影响。作者发现，通过瞬态执行重放（transient-execution replay）技术，攻击者可以在虚拟机内部诱导微架构层面的瞬态行为，从而在不依赖物理功耗测量（如板载电压调节器或示波器）的情况下，将功耗相关的信号转化为可观测的软件侧信道。核心方法利用了 AMD 处理器中某些指令的功耗差异与数据值之间的关系，并通过重放瞬态执行路径来放大这些差异，最终提取加密操作（如 AES、RSA）的密钥信息。实验在多个 AMD EPYC 平台（包括支持 SEV-SNP 的最新一代）上验证了攻击的有效性，展示了从 SEV 保护的虚拟机中恢复密钥的完整流程。该研究揭示了即使是最新的硬件级隔离机制，仍可能因微架构功耗侧信道而面临泄露风险。文章还探讨了可能的缓解策略，例如指令级随机化、功耗均衡或对瞬态执行窗口的改进限制。论文适合关注硬件安全、虚拟化安全、侧信道攻击与防御的研究人员及云服务提供商的安全工程师阅读，以理解当前 SEV 技术尚未完全解决的物理侧信道问题。

本文提出了一种名为“屏幕窃读”（Screen Gleaning）的新兴TEMPEST攻击方法，该攻击能够在不具备视觉视线的情况下，读取移动设备屏幕上显示的内容，从而泄露诸如短信验证码等敏感信息。攻击者利用天线和软件定义无线电（SDR）捕获设备在驱动屏幕显示时无意辐射的电磁信号，并将该信号重建为灰度图像（称为“emage”）。由于重建图像往往模糊或存在噪声，人眼难以直接解读，作者证明这一问题可以通过深度学习分类器有效解决，即使用机器学习模型从emage中识别出屏幕上的具体内容。论文的核心贡献包括：演示了针对安全代码（如短信验证码）的完整攻击流程；提出了一个标准化的测试平台（testbed），用于在不同攻击者模型下评估屏幕窃读攻击；系统分析了攻击者模型的维度（如攻击距离、设备类型、屏幕内容等）；并讨论了潜在的防御对策。作者强调，随着SDR和深度学习技术的快速发展，此类攻击的威胁将日益严重。该研究主要面向移动安全、侧信道分析、硬件安全和隐私保护领域的研究人员及安全工程师，旨在提高对电磁侧信道攻击的认识，并推动相应防护措施的研发。

本论文聚焦电磁侧信道分析（EM SCA）中的探针放置优化问题。在侧信道攻击或安全评估中，需要将电磁探头放置在芯片表面适当位置以采集到最大泄漏信号，传统做法依赖经验或穷举扫描，效率低且可能遗漏关键点位。论文提出利用粒子群优化（PSO）算法自动引导探针的搜索与放置，将探针位置视为粒子群中的个体，通过适应度函数评估信号的泄漏特征，迭代更新位置以快速收敛到最优或近似最优的探测点。该方法可能结合了电磁场仿真或实际测量，并在不同芯片或硬件平台上进行验证，对比随机扫描、网格搜索等基线，展示了在探测效率、定位精度和最终侧信道攻击成功率方面的改进。由于本文仅从标题与作者信息推断，具体实验细节与结果未能从摘要中确认，建议读者查阅原文获取更完整的架构设计和评估数据。

该论文研究了一种新颖的网络威胁行为识别途径：利用网卡（NIC）在活动时产生的非预期电磁（EM）泄漏信号。传统网络威胁检测主要依赖数据包级、流级或主机级遥测数据，而本文探索了物理侧信道这一不同观察面。作者提出NICWhisper系统，通过外部捕获NIC电磁辐射，将原始测量值转换为时频表示，从而在不检查数据包内容或主机端运行时状态的情况下识别网络行为。其核心思想是利用流量驱动的NIC活动在物理层面留下的痕迹，包括时序、速率、并发度和突发组织等特征，这些特性会自然地塑造电磁泄漏信号。作者构建了一个NIC电磁数据集，涵盖活跃的正常工作负载和七种代表性威胁行为，并在多种执行条件下进行系统性评估，包括信号依赖性、执行变化、测量扰动和跨设备迁移。实验结果显示，NICWhisper在八类行为分类上达到了80.67%的宏F1分数，且进一步实验表明，可观测的行为相关信息不仅限于简单的信号幅度，还能部分跨执行条件和NIC硬件迁移。这些结果证明，当传统流量或主机遥测的直接访问受限或不可用时，NIC电磁泄漏可作为网络安全监控的一种互补物理观测源。

本文针对高保证密码学（High-Assurance Cryptography）在现代处理器投机执行（Speculative Execution）时代下的安全保证问题展开研究。传统上，高保证密码学通过程序验证与密码工程方法，为密码软件提供内存安全、功能正确性、可证明安全性以及无时序泄漏等机器可验证的保证，但这些保证通常基于顺序执行语义建立。然而，现代处理器为了提升性能普遍采用投机执行，导致实际执行行为与顺序语义不一致，加之著名的Spectre系列攻击利用投机执行漏洞，使得高保证密码学所承诺的安全属性受到质疑。本文旨在消除这些疑虑，证明高保证密码学的优势在投机执行环境下依然成立，且仅需付出适度的性能开销。作者在Jasmin验证框架之上构建了一种端到端的方法，用于在投机执行语义下证明密码软件的安全属性。该方法扩展了原有验证框架的能力，使其能够建模投机执行带来的微架构侧信道风险。通过在Jasmin中实现ChaCha20和Poly1305两种高效密码算法，作者生成了功能正确且高效的汇编实现，并利用形式化验证证明了这些实现不仅对传统时序攻击安全，而且对投机执行攻击（如Spectre）同样安全。实验结果表明，所提出的方法能够在不显著牺牲性能的前提下，为密码软件提供针对投机执行的高保证安全性。该研究的核心贡献在于：第一，首次将高保证密码学的验证目标扩展到投机执行语义，填补了形式化验证与微架构安全之间的空白；第二，提供了可复用的验证方法论和工具链，使密码工程师能够系统性地设计和验证抗投机执行攻击的密码实现；第三，通过实例验证了该方法的实用性和可扩展性。本文适合密码学与形式化验证领域的研究人员、安全架构师以及需要开发高安全性密码库的工程师阅读，尤其对关注侧信道攻击防御的蓝队人员具有参考价值。

本文献介绍了一种称为 Glowworm 的光学 TEMPEST 侧信道攻击方法。该攻击利用设备（如调制解调器、打印机、智能音箱等）上的电源指示 LED 的微小亮度变化来恢复音频信号。攻击的核心原理是：设备在处理音频信号时，其内部电路电流会发生微小波动，这种波动会传导至电源 LED，导致 LED 的亮度发生难以察觉的变化。攻击者可以使用光电传感器或高速摄像头捕捉这些亮度变化，并通过信号处理技术（如滤波、放大、同步等）重建出原始的音频内容。与传统的 TEMPEST 攻击（如电磁辐射分析）相比，光学攻击不需要接近目标设备，也不受墙壁等障碍物的显著影响，且 LED 普遍存在，使得攻击面更广。本文提出了该攻击的完整实现框架，包括硬件设置、信号采集和恢复算法，并通过实验验证了其有效性，表明在特定条件下可以清晰恢复语音信号。该研究揭示了光泄漏作为新的信息泄露渠道，对物理安全和信息安全具有重要的警示意义。本文适合侧信道研究者、硬件安全工程师和蓝队防御人员阅读，以了解此类攻击的可行性并思考相应的缓解措施。

本研究提出了一种新颖的侧信道攻击方法，利用电光传感器从悬挂的灯泡中恢复声音。作者发现，当声音作用于灯泡表面时，会引起灯泡的微小振动，而电光传感器可以捕捉到这些振动并还原出原始声波。与传统需要接触式麦克风或激光反射的窃听方式不同，该方法通过远程观察灯泡的振动来实现声音窃听，具有隐蔽性和非侵入性。论文在现实环境中评估了该方法的性能，实验结果表明，攻击者可以成功恢复目标房间内播放的歌曲。该研究属于物理侧信道攻击领域，展示了智能家居或办公环境中常见照明设备成为信息泄露媒介的可能性。核心贡献在于首次系统性地将灯泡振动作为声学侧信道，并验证了其实际可行性。适合对物理安全、侧信道分析、物联网设备风险评估感兴趣的读者阅读。

本文提出了一种名为 IVANTAGE 的新型主动测量技术，利用 IPv6 节点强制实现的 ICMP 速率限制机制中的侧信道，将分布在全球 9500 个自治系统、182 个国家的约 110 万个远程路由器作为“观测点”，从而在仅使用单个本地观测点的条件下，完成对远程 IPv6 网络的大规模测量。该技术解决了主动互联网测量中某些任务需要大量分布式观测点的问题。作者将 IVANTAGE 应用于两个具有挑战性的测量任务：一是测量入站源地址验证（ISAV）的部署情况，二是测量任意互联网节点之间的可达性。在 ISAV 测量方面，覆盖了所有 IPv6 自治系统的 50%，发现其中 79% 易受 IP 欺骗攻击，这是迄今为止最大规模的 IPv6 ISAV 测量研究。在可达性测量方面，该方法在评估中实现了超过 80% 的精确率和召回率。此外，作者还对 ICMP 速率限制的实现进行了全网测量，详细讨论了 ICMP 速率限制机制本身潜在的安全与隐私风险，并提出了可能的缓解措施。研究代码已开源。论文适合网络测量、IPv6 安全、协议实现分析领域的从业者阅读，其侧信道方法也为网络探测提供了新的视角。

该论文针对量子密钥分发（QKD）系统中最具破坏性的攻击面——接收端展开研究。传统 QKD 接收机依赖一对探测器，密钥比特由哪个探测器响应来编码，这为攻击者提供了可利用的侧信道。论文提出的最小接收机结构仅包含一个可旋转偏振片和一个阈值探测器，从根本上消除了双探测器带来的攻击面。然而，这种单探测器结构在 BB84 协议下的零概率错误子集结构此前尚未被刻画。本文精确刻画了这一结构，并引入一种确定性的不可能事件证书：当偏振片设置为与发送态正交时，理想信道下该探测器响应的概率严格为零，因此任何一次意外点击都是概率为 1 的干扰证据。由于信道损耗只会删除点击而不会产生点击，该证书对损耗具有鲁棒性。作者证明该证书在三个偏振态下是可靠但不完备的，而四个 BB84 态可以闭合这一缺口：固定基的截取重发攻击在正交轮次中产生 1/4 的理想触发概率（在检测效率 η 下观测为 η/4），且与截取角度无关。论文给出了一个示例性的有限大小预算：在 η=0.1 时，约 62,000 个发送轮次可保留 256 个密钥比特；在现实探测器噪声（每开启门 q0=10^-6）下，每次触发保留约 12 比特证据，会话级诚实误中止概率低于 1%。核心触发概率预测已在 Qiskit 电路模拟器上通过种子固定的实现得到数值验证。总体而言，该工作为极化 QKD 的最小探测器接收机提供了一种可靠、损耗鲁棒的干扰报警机制，降低了安全监控 QKD 的硬件入门成本，有助于在成本敏感的网络边缘推广 QKD 应用。

本论文研究移动即时通讯应用中消息投递状态通知（delivery status notifications）所引发的用户位置隐私泄露问题。WhatsApp等广泛使用的即时通讯应用，通过投递状态通知（如勾号标记）告知发件人消息是否成功送达，该功能在异步通讯中具有实用价值。然而，作者发现这一标准功能构成了一个时序侧信道（timing side channel），攻击者能够通过观察投递通知的到达时间，推断接收者的地理位置，造成意想不到的隐私泄露。作者在概念层面分析了这一威胁模型，并对三款广泛使用的即时通讯应用进行了实验验证，包括注重隐私保护的Signal和Threema，证实这种信息泄漏在这些所谓“隐私友好”的应用中同样存在，从而打破了用户对这类工具的信任。论文的核心贡献包括：（1）系统性地揭示了投递状态通知作为侧信道的风险；（2）在主流应用上通过实验量化了位置推断的可行性与精确度；（3）讨论了潜在的缓解措施，但并未提供具体实现。该研究为即时通讯服务提供商和用户敲响警钟，表明看似无害的状态通知功能也可能成为位置隐私的泄露源头，对安全与隐私社区具有重要的参考价值。适合阅读的人群包括即时通讯应用开发者、隐私安全研究者，以及任何关心位置隐私的终端用户。

本文研究在隐私保护统计发布中使用单侧（仅正向）有界噪声的最优效用与隐私权衡问题。与传统依赖对称或双侧扰动的隐私机制不同，实际系统（如匿名通信、侧信道防御）常因硬件容量、通信协议或数据管理限制，只能施加正向且幅度有限的时间延迟、假消息或假数据，而无法进行反向修改。作者在差分隐私（DP）、最大泄露（MaxL）和近似正确（PAC）隐私三种语义框架下，系统建立了正噪声机制的理论基础，并在二阶矩预算和最大幅度约束下，刻画或逼近最优的单侧噪声分布。基于该理论，论文开发了高效求解相应优化问题的算法工具。实验表明，现有技术（如截断的偏置拉普拉斯噪声）通常非最优，会导致过度的性能损失；以匿名通信系统为例，在25万消息预算下，优化后的DP噪声机制相比传统方法可减少21倍的假消息数量，并将假消息延迟开销降低18倍。该工作为受基础设施限制的隐私保护扰动提供了理论指导和实用优化方案。适合隐私计算、匿名通信、侧信道防护及统计发布领域的研究人员和工程师阅读。

该论文研究了云边缘计算平台中多租户隔离面临的安全挑战，以 Cloudflare Workers 为例。Cloudflare Workers 为降低冷启动延迟，去除了传统的进程级隔离边界，采用语言级隔离（如 V8 引擎）来承载不同租户的代码。这种架构虽然在性能上具有优势，但被广泛认为会引入 Spectre 等微架构侧信道攻击风险。为此，Cloudflare 此前曾实施一系列防御措施，包括限制高精度计时器、禁止共享内存、禁止多线程，并引入动态进程隔离（DyPrIs）机制来检测可疑行为并对脚本进行进程级隔离。然而，论文作者通过实证分析发现，生产环境中的 DyPrIs 防护并不充分。他们采用微架构放大技术，在 Cloudflare Workers 的生产环境中找到了多种远程计时方法，成功绕过了计时器冻结或粗化策略。基于这些远程计时器，作者端到端地演示了一次远程 Spectre 攻击，能够从同一主机上共存的其他 Worker 中泄漏 JWT 令牌。攻击速率从原先的约 2 比特/分钟大幅提升至最高 12 比特/秒，且准确率达到 99.16%，对客户数据构成直接、实质性的安全威胁。在披露该问题后，Cloudflare 协同实施了多项修复措施：集成 V8 Sandbox 以限制瞬态访问仅能使用 64 位指针；增强 DyPrIs 的检测能力；并部署基于硬件内存保护密钥（MPK）的进程内隔离，为每个租户堆分配独立的内存保护密钥，从而进一步隔离租户数据。该研究揭示了仅依赖语言级隔离与软件计时器限制不足以防御微架构侧信道攻击，凸显了硬件支持的内存隔离机制在边缘计算安全中的必要性。适合云安全研究人员、边缘计算平台开发者和安全防御者阅读。

本文研究的是 Spectre-v2（分支目标注入）攻击在跨特权级场景下，现有硬件缓解措施的有效性。Spectre-v2 利用分支预测器的历史污染来诱导 victim 执行恶意分支，而现代 CPU 厂商（Intel、AMD、Arm）已部署多种硬件缓解机制，如 retpoline、IBRS、STIBP 等。然而，这些缓解措施的实际防护效果在不同微架构和攻击路径下存在差异。作者提出了一种新的攻击方法——分支历史注入（Branch History Injection），通过操纵分支历史缓冲区（BHB）来绕过现有的硬件缓解措施。该方法利用嵌套分支的预测行为，构造特定的分支历史模式，从而在跨特权级（如内核态与用户态之间）成功实施 Spectre-v2 攻击。论文对多种主流 CPU 进行了实证评估，结果显示，在部分处理器上，尽管硬件缓解已启用，攻击仍能稳定泄露敏感数据。这一发现表明，现有缓解措施并未完全封堵 Spectre-v2 的变种路径，攻击面依然存在。本文的主要贡献包括：揭示了分支历史注入攻击的可行性、量化了不同硬件缓解的残余风险、并讨论了可能的加固方向。适合关注 CPU 微架构安全、侧信道攻击与防御的 security 研究者、CPU 厂商安全团队以及系统软件开发者阅读。

本文针对硬件侧信道攻击（如Spectre）在真实场景中的检测难题展开研究。尽管机器学习模型在受控环境下能通过硬件性能计数器（HPC）捕捉攻击足迹，但当面对系统背景噪声、多样化攻击变体以及对抗性流量节拍时，静态模型往往失效。为此，作者提出了“方差包络”（variance envelope）的概念，旨在系统刻画攻击签名在不同执行环境中的变化范围。研究覆盖Intel、ARM和AMD三大主流处理器架构，构建了包含三种攻击变体、四种节拍模式和四种背景噪声条件的大规模实验矩阵。实验结果表明，HPC签名极度脆弱，极易受执行环境影响而发生形变；同时，该研究还揭示了AMD Jaguar微架构上一个关键瓶颈：Prime+Probe攻击在该硬件上存在持续性的硬件级失败。最终，作者证明可靠的运行时检测需要架构感知的自适应监控方案，而非依赖静态模型。这一工作为硬件安全监控领域提供了系统性的跨架构实证分析，对设计鲁棒的侧信道检测系统具有重要参考价值。适合安全研究员、硬件架构师以及蓝队检测引擎开发者阅读。

该论文研究了一种在隔离的浏览器实例（如不同标签页或不同浏览器进程）之间建立隐蔽信道的实用方法。现代浏览器和Web平台通常实施严格的安全隔离（如进程沙箱、站点隔离），以防止恶意网页直接访问其他页面的数据。然而，论文发现通过共享的GPU资源仍然存在泄露信息的可能性。核心思想是利用GPU命令队列的竞争（access contention）作为侧信道：当一个进程向GPU提交命令时，其执行时间会受到其他进程并发负载的影响。通过测量自身命令完成时间的变化，可以推断对方的行为，从而以编码方式传输比特信息。论文可能提出了一种具体的编码和同步方案，在无需任何特殊权限或浏览器漏洞的情况下，实现跨隔离边界的可靠、低误码率的数据传输。实验部分可能展示了在主流浏览器和真实场景下的可行性，测量了信道容量和稳定性，并讨论了可能的缓解措施。该研究的贡献在于揭示了一种新的隐蔽信道向量，挑战了浏览器隔离模型的有效性，为防御者提供了新的检测和防御思路。适合浏览器安全研究者、沙箱设计者以及关注隔离边界的云安全工程师阅读。

本文提出了一种名为 KernelSnitch 的新型通用软件侧信道攻击，目标是大内核数据结构（如哈希表和树）。这些结构广泛用于存储内核和用户信息，例如用户空间锁的元数据。其核心思想是，这些数据结构的大小是可变的（从空状态到任意数量的元素），因此访问它们所需的时间会随元素数量（即占用水平）变化，产生一个时序侧信道。即使硬件本身无泄漏，操作系统等软件组件仍可能引入此类泄漏。作者表明，非特权且隔离的攻击者可以在用户空间可靠地观测到这些微小的时序差异，并通过方法放大差异。论文通过三个案例研究验证了 KernelSnitch 的有效性：第一，隐蔽信道传输速率高达 580 kbit/s；第二，利用 Linux 哈希表的特定索引机制，在不到 65 秒内泄漏内核堆指针；第三，网站指纹攻击的 F1 分数超过 89%，表明可以观察其他用户程序的活动。这些攻击不依赖特定硬件，因此具有普适性。最后，作者讨论了针对此类硬件无关攻击的缓解措施。该研究揭示了操作系统内核数据结构中的软件侧信道风险，即使在没有微架构侧信道泄漏的假设下，仍然存在信息泄露的途径。对于安全研究者、操作系统开发者和防御者而言，本文提供了重要的威胁模型扩展和防护思路。

该论文研究推测执行攻击对常数时间编程（constant-time programming）安全性的破坏。常数时间编程是密码学等安全敏感软件中防止微架构侧信道攻击的标准技术，但推测执行攻击（如 Spectre）会使其失效。因此，常数时间代码还必须部署针对推测执行攻击的防御措施，以防止存储在内存或处理器寄存器中的秘密数据被泄露。然而，现有的防御手段（如推测加载硬化，Speculative Load Hardening, SLH）虽然能提供强安全保证，但性能开销非常高。针对这一问题，论文提出了一种名为 Declassiflow 的静态分析方法，用于建模非推测知识（non-speculative knowledge），从而在保证安全性的前提下放宽推测执行安全措施的严格性。其核心思想是通过静态分析识别哪些数据在推测执行中不会成为秘密，进而减少不必要的防御加固，降低性能损失。论文的主要贡献包括：形式化非推测知识的概念、设计相应的静态分析算法，并验证该方法能在不牺牲安全语义的前提下提升性能。适合对微架构安全、侧信道防护、编译优化和形式化验证感兴趣的安全研究人员、系统开发者和编译器工程师阅读。由于仅获取了论文摘要，尚无法评估实验细节和具体性能提升幅度，但该研究为缓解推测执行防御的性能瓶颈提供了新思路。

细粒度访问控制（FGAC）机制（如行级安全 RLS 和文档级安全 DLS）被广泛用于多租户数据库或最小权限实现中，以限制对共享物理索引结构中数据的访问。实际部署中，FGAC 常采用“后过滤”方式：先让不受信任的查询在全部数据上执行，再对私人结果进行剔除。先前研究已表明这种模式存在侧信道，使攻击者能够判断某个选定值是否出现在不可见数据中，但无法高效恢复高熵数据（如完整记录或文本）。本文证明了这些侧信道的破坏力远超预期。通过利用丰富的查询接口（如范围、前缀和合取谓词），作者将成员泄露放大为重建攻击。研究在两种真实系统中进行验证：在 PostgreSQL 的 RLS 场景中，利用时序侧信道和可表达 SQL 查询（如范围、合取）来枚举未知属性值，并通过对大域进行二分搜索恢复完整记录；在 Elasticsearch/OpenSearch 的 DLS 场景中，利用评分和前缀扩展侧信道恢复文档中的索引词，有时还能提取语料库中的 n-gram 以近似还原文本。实验表明，FGAC 侧信道必须在丰富谓词存在的情况下进行评估，因为丰富谓词可以将简单的成员测试转化为可扩展的高熵记录重建。该工作首次系统性地展示了后过滤访问控制在面对复杂查询时严重的数据泄露风险，为数据库安全、云安全及隐私保护领域提供了重要警示。

该论文针对开源 RISC-V 处理器中微架构侧信道的信息泄露问题，提出了一种自动化合成泄漏合约（leakage contracts）的方法。泄漏合约是近期提出的、用于指令集架构（ISA）层面的安全抽象，旨在精确刻画处理器通过微架构侧信道可能泄露的信息。然而，为给定处理器手工构造既健全（sound）又精确（precise）的泄漏合约极具挑战性，需要深入理解微架构优化（如缓存、流水线、分支预测等）引入的时序侧信道，且过程耗时且易出错。论文的核心贡献在于提出一种系统化的合成方法，能够自动从处理器的硬件设计（如 RTL 实现）中生成满足健全性和精确性要求的泄漏合约，从而避免手工推导的错误和低效。该方法有望与现有的合约验证工具链结合，形成从合约生成到验证的完整流程，为处理器安全验证提供自动化支撑。该研究面向硬件安全、形式化验证以及微架构侧信道分析领域的研究人员和工程师，尤其适用于 RISC-V 开源处理器生态的安全评估。由于该论文目前仅有摘要，具体技术细节和实验评估尚未公开，其实际效果和适用范围有待进一步验证。

该论文提出了一种名为 VibSpeech 的基于振动侧信道的宽带窃听方法。在传统的振动侧信道攻击中，攻击者利用设备（如智能手机、智能手表）中的加速度计等振动传感器，感知声波引起的微小振动，从而尝试恢复语音信号。然而，由于传感器采样率有限以及物理带宽限制，传统方法通常只能重建窄带语音，难以实际应用。VibSpeech 旨在突破这一限制，探索如何利用带限的振动信号实现宽带语音窃听。论文的核心思想可能涉及信号处理技术，如超分辨率重建、频谱外推或基于学习的方法，从带限振动信号中恢复缺失的高频分量，从而提升语音的可懂度和识别率。研究可能包括对振动传播模型的建模、攻击场景的设计（例如通过恶意应用或远程入侵获取传感器数据）、以及实验验证，在真实设备上评估窃听效果。该工作揭示了振动侧信道在语音窃听方面的现实威胁，促使安全社区关注传感器数据泄露的防护。论文适合对侧信道攻击、传感器安全、隐私保护感兴趣的研究人员阅读。

现代处理器的分支预测器利用饱和计数器来提升指令级并行性，但传统饱和计数器是确定性的，容易受到侧信道攻击：攻击者可通过操作计数器状态并观察缓存行为（如Prime+Probe）推断受害进程的分支方向。为缓解该泄漏，已有研究提出概率饱和计数器（PSC），通过随机化更新来干扰攻击者的观测，但现有评估主要依赖经验仿真，缺乏严格的安全保证。本文基于差分隐私（DP）对PSC进行形式化分析：将PSC和对应的Prime+Probe攻击策略建模为概率摩尔机，推导攻击者最优观测策略，并利用差分隐私量化攻击者的区分能力。作者证明，所提出的DP保证适用于Prime+Probe观测模型下的PSC原语；而完整分支预测器在重复或自适应攻击下的端到端安全性被列为未来工作。在此基础上，本文为增强型PSC综合参数，使其满足目标纯差分隐私保证，并针对效用指标推导稳态误预测率的闭式表达，随后在基准程序上验证理论预测。实验表明，与确定性饱和计数器及现有概率计数器相比，综合得到的PSC既能提供正式的安全保证，又能保持有竞争力的预测性能。该工作首次将差分隐私形式化方法引入硬件级分支预测器侧信道防御，为微架构安全设计提供了可证明的定量分析框架。适合处理器微架构设计者、硬件安全研究者和形式化方法领域人员阅读。

本文研究多租户大语言模型（LLM）推理场景中 KV 缓存引发的时序侧信道泄露问题。KV 缓存是现代 LLM 推理的关键吞吐优化手段，通过跨请求复用前缀来加速生成；但在多租户部署中，该缓存被多个租户共享，攻击者可以利用缓存命中延迟差异，重建其他租户的私有提示词。已有三种攻击（PROMPTPEEK、EarlyBird、InputSnatch）利用了这一通道，在未防护的 vLLM 和 SGLang 上最高可达 100% 的攻击成功率，具体成功率取决于缓存架构和提示词结构。作者提出 KVGov，一个统一的治理层，专门应对这三类攻击的前缀缓存路径。其核心机制是为每个主体（租户）引入独立的盐值 sigma_p = HMAC_K(secret, principal_id)，并以此作为块哈希链的种子，使不同主体之间的缓存键在密码学意义上互不相交。消融实验（N=1000 次试验，固定随机种子，确定性评估）证明该盐值是阻断攻击的必要且充分条件。KVGov 还包含 ORIGAMI，一种基于 Stackelberg 博弈的水填充审计调度器，在现实租户异质性（基尼系数 0.63）下将攻击者的期望效用降低 12.6%；演化稳定性分析给出 31.6% 的攻击者流行度临界点，低于该阈值时全局缓存保持稳定。在真实硬件（Qwen2.5-7B-Instruct、vLLM 0.26.0、NVIDIA A100）上，作者测量得到经过门控验证的冷/热 TTFT 比例为 0.22，确认了生产规模下该通道的可利用性；防御效果在与测量校准的模拟环境中评估。作者还在独立技术栈（Apple Metal 上的 llama.cpp）复现了该通道，比例为 0.093。最后，文章指出隔离与缓存效率并不必然冲突：识别信息只存在于提示词分叉处，因此在分叉边界注入盐值而非在链根处注入，可以在不产生跨主体信号的前提下保留约 93% 的前缀缓存收益。

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。

密码学库的安全性一直聚焦于加密原语的恒定时间实现，以抵御微架构侧信道攻击。然而，本研究揭示了一个被普遍忽视的攻击面：处理密钥数据的工具函数也可能泄露机密信息。作者重点分析了多个广泛使用的密码学库（如 Microsoft CNG 和 Botan）中 base64 解码函数的侧信道泄漏。这些函数用于加载 PEM 格式的密钥，在解析过程中会涉及秘密相关分支和查表操作。即使在可信执行环境（如 Intel SGX）中，攻击者仍可通过高分辨率最后一级缓存（LLC）攻击观察到泄漏信号，从而恢复 RSA 私钥。更值得注意的是，近期针对瞬态执行攻击（如 LVI）的缓解措施反而增强了这些微弱泄漏的可利用性，使攻击者仅凭单次测量迹线即可推断出足够的密钥信息。作者实现了完整攻击链，包括库易感性分析、针对 SGX enclave 的 LLC 攻击，以及并行化的 extend-and-prune 密钥恢复算法，表明以中等计算成本即可完全恢复 RSA 私钥。该研究揭示了安全认证库中的系统性缺陷，强调仅审计加密原语并不足够，所有处理敏感数据的边缘函数都需要严格审查。此外，该工作指出 TEE 并非安全边界，侧信道攻击依然可行。本文对密码学库开发者、TEE 安全研究人员及安全评测机构具有重要参考价值。

本文关注微架构侧信道攻击的时间分辨率提升问题。过去二十年间，微架构侧信道是安全研究的热点，攻击者通过缓存、分支预测等硬件组件泄露敏感信息。重点研究方向之一是提高攻击的时间分辨率，从而获取更细粒度的受害者活动信息。现有工作中，Prime+Scope（CCS '21）只需一次L1缓存访问即可确认缓存集中不存在受害者活动，比此前攻击快得多，但仍比一次普通缓存访问慢一个数量级。本文旨在弥合这个差距，即实现与缓存访问速度相当的探测能力。论文可能提出一种新型缓存探测技术，通过巧妙地利用微架构行为或同步机制，使攻击者能够以接近缓存访问的周期进行采样，从而大幅提升侧信道的时间精度。该工作对理解极端时间分辨率的侧信道威胁具有重要意义，但也可能促使防御方重新评估缓存隔离机制的有效性。由于仅基于摘要，具体技术细节和实验评估尚不明确，但核心贡献是推动缓存探测速度达到缓存访问速度的极限。

本论文针对利用WiFi感知进行无接触击键推断以窃取PIN码的隐私威胁展开研究。现有方法存在两个关键瓶颈：一是通常需要获得目标网络的访问权限才能获取稳定的感知数据流，限制了实际部署；二是纯WiFi信号在快速、肌肉记忆键入时存在波形融合歧义，难以准确分割按键。为了克服这些问题，作者提出了AirKey，一种跨模态感知框架，能够实现高度隐蔽且零训练的PIN窃听。AirKey首先利用IEEE 802.11标准中的机制，无需与目标设备建立网络关联，即可通过向未修改的目标设备发送特定触发，诱使其响应ACK帧，并使用低成本微控制器被动地从这些ACK帧中提取信道状态信息（CSI），从而获得持续的空间感知流。其次，针对WiFi波形融合难题，AirKey引入跨模态互补机制：利用轻量级的声学信号作为精确的时间锚点，引导对重叠CSI轨迹的分割，通过联合时空融合，将CSI衍生的空间相似性与声学引导的按键间时间信息严格结合，以区分不同按键。实验评估表明，AirKey的准确率比最先进的单模态零训练方案高出4倍以上，并能在6次尝试内成功恢复设备解锁PIN。最终，这项工作揭示了现代智能界面中的严重漏洞，强调了普适多模态感知的隐私影响。

研究者提出了一种基于持久存储 fsync 系统调用的新型隐蔽信道 Sync+Sync。此前已有利用 CPU 缓存和主存构建隐蔽信道的研究，本文则将目光转向内存层次更底层的持久存储。大多数程序会将中间或最终结果以文件形式保存，并可能调用 fsync 将文件同步持久化到存储设备。定量研究发现，即使两个程序不共享任何数据，若同时调用 fsync，其中一方经历的响应时间会显著变长。进一步分析表明，并发 fsync 调用在存储栈的多个层级发生资源争抢，包括共享软件结构（如 Ext4 日志）和硬件资源（如磁盘 I/O 调度队列）。基于此，作者构建了名为 Sync+Sync 的隐蔽信道。在普通固态硬盘上，Sync+Sync 能够以约 0.40% 的错误率实现每秒 20,000 比特的传输带宽，并支持跨磁盘分区、跨文件系统、跨容器、跨虚拟机甚至跨磁盘驱动器的工作方式，无需程序间共享数据。作者还利用 Sync+Sync 发起侧信道攻击，能够精确检测目标数据库的操作（如插入/更新和 B-Tree 节点分裂）。此外，通过检测和分析应用的 fsync 调用频率及刷新数据量，Sync+Sync 可以高精度地区分不同应用程序和网站。这些攻击能力可支持更细粒度的信息泄露。该研究对存储堆栈安全性、云环境隔离机制及系统侧信道防护提出了新的挑战，适合存储系统研究员、安全分析师和云基础设施安全团队阅读。

本研究提出一种新颖的物理侧信道攻击方法，能够从设备电源指示 LED 的视频录像中提取加密密钥。传统侧信道攻击通常要求物理接触或侵入性测量，而本文仅借助标准视频摄像机（如手机摄像头、监控摄像头）即可实现。核心原理在于：设备内部进行加密运算时，CPU 功耗会随处理的数据和指令变化，导致供电电压微小波动，进而引起电源 LED 的亮度发生极微弱的闪烁。虽然肉眼无法察觉，但现代 CMOS 图像传感器（如卷帘快门模式）可以通过像素的微小明暗变化捕捉这些信号。作者分析了 LED 亮度与功耗之间的相关性，并利用信号处理和机器学习技术从视频帧序列中恢复出密钥比特。实验中，他们在多种设备（如智能卡读卡器、嵌入式设备）上成功从手机 60fps 视频中提取出 RSA 和 AES 密钥，验证了攻击的现实可行性。该研究揭示了物理隔离并不能完全防止密钥泄露，为安全设计提供了新的威胁模型。论文的贡献在于首次系统化地论证了通过普通视频摄像头即可实施此类攻击，并提出了相应的信号提取流程。适合关注侧信道分析、物理安全和物联网安全的研究人员阅读。

该论文提出了一种名为 SparSEEty 的新型令牌提取攻击，针对利用激活稀疏性优化推理性能的大语言模型（LLM）服务系统。现代 LLM 在推理时仅激活部分神经元，这一特性被许多服务系统用于跳过非激活神经元的权重访问和计算，从而提升效率。然而，这种优化导致权重访问模式依赖于输入令牌，进而可能通过侧信道泄露敏感信息。SparSEEty 利用这一漏洞，构建了一个端到端的令牌提取攻击框架。其核心方法分为三步：首先，通过神经元权重访问侧信道构造神经元激活预言机（neuron-activation oracle）；其次，在推理过程中高效地监控神经元激活状态，以降低被检测的风险；最后，将部分二进制的激活轨迹逆向映射为原始输入令牌。作者在 Intel TDX 机密虚拟机（CVM）保护的 LLM 服务系统中实例化了该攻击，并解决了三个关键挑战：利用 CVM 暴露的侧信道组合构建激活预言机、减少推理时监控开销以增强隐蔽性、以及准确地将不完整的激活轨迹反转为令牌。实验表明，SparSEEty 能在多种模型和数据集上以高 BLEU 分数（>0.95）重建提示词和响应令牌，同时仅引入 3.7% 至 7.2% 的监控开销。该研究揭示了稀疏性优化与机密计算结合时的新安全风险，强调 LLM 服务系统即使运行在可信执行环境中，仍可能面临侧信道泄露。

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。

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。

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。

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。

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。

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。