FastSpec：基于神经嵌入的 Spectre 小工具可扩展生成与检测
密码学与安全
2021-03-29 v2 机器学习
摘要
已有多种技术被提出用于检测广泛部署的商业软件中易受攻击的 Spectre 小工具。遗憾的是，迄今提出的检测技术依赖手写规则，既无法覆盖已知 Spectre 小工具的细微变体，又需耗费大量时间分析软件中每个条件分支。此外，检测工具评估仅基于极少数此类小工具，因为手动精心制作新小工具需艰苦努力。本工作中，我们结合模糊测试与深度学习技术自动化生成与检测 Spectre 小工具。我们首先通过对已知小工具引入扰动创建多样化的 Spectre-V1 小工具集。利用变异模糊测试，我们产出含超 100 万 Spectre-V1 小工具的数据集，这是迄今构建的最大 Spectre 小工具数据集。接下来，我们开展首个生成对抗网络（GAN）在汇编代码生成中无需任何人工交互的实证可用性研究。我们提出 SpectreGAN，其利用 GAN 的掩码实现同时学习小工具结构与生成新小工具。这提供了首个可扩展地扩展 Spectre 小工具多样性的方案。最后，我们提出 FastSpec，其基于新颖的高维神经嵌入技术（BERT）利用生成的小工具构建分类器。在案例研究中，我们证明 FastSpec 在 OpenSSL 库与 Phoronix 基准测试中能以高成功率发现潜在小工具。此外，与现有工具相比 FastSpec 提供更大灵活性与时间相关性能增益，因此可用于大规模软件中的小工具检测。
引用
@article{arxiv.2006.14147,
title = {FastSpec: Scalable Generation and Detection of Spectre Gadgets Using Neural Embeddings},
author = {M. Caner Tol and Berk Gulmezoglu and Koray Yurtseven and Berk Sunar},
journal= {arXiv preprint arXiv:2006.14147},
year = {2021}
}
备注
IEEE European Symposium on Security and Privacy 2021