面向大规模DRAM的ARFM驱动的行铁锤防御及揭示短tRC模式的威胁
软件工程
2025-09-05 v2
摘要
为解决强大行铁锤(RH)攻击的问题,我们的研究涉及对该领域常见攻击模式的广泛分析。我们发现,活动到活动命令周期的时长和密度与RH攻击发生概率之间存在强烈相关性。本文引入了MARC,一种创新的ARFM驱动的RH缓解IP,显著加强了现有RH缓解IP的功能。MARC根据RH攻击环境的严重程度动态调整RFM的频率,提供了一个量身定制的安全解决方案,不仅检测威胁,还能适应不同威胁水平。MARC的检测机制显示出卓越的效率,识别超过99%的攻击模式。此外,MARC被设计为一个紧凑的硬件模块,便于在内存控制器侧或DRAM侧进行紧密集成,仅占据3363平方微米的微小硬件面积。通过激活MARC检测的ARFM,在正常工作负载下,额外的能源开销也微乎其微。我们进行实验,比较了最高行数 throughout the patterns(定义为max exposure)在vanilla RH缓解IP和MARC增强版本之间的比较,分别关注DRAM侧和内存控制器侧。在DRAM侧,MARC + 概率方案和MARC + 计数器跟踪方案分别相对于vanilla IP实现了8.1倍和1.5倍的max exposure比率改善。在内存控制器侧,MARC + PARA和MARC + Graphene分别相对于vanilla IP实现了50倍和5.7倍的max exposure比率改善。MARC确保在不牺牲系统性能的情况下实现最佳安全性,使其成为RH攻击防御领域的开创性解决方案。
引用
@article{arxiv.2501.14326,
title = {Assessing Large Language Models in Comprehending and Verifying Concurrent Programs across Memory Models},
author = {Ridhi Jain and Rahul Purandare},
journal= {arXiv preprint arXiv:2501.14326},
year = {2025}
}