MAD-EN：基于系统级能耗的微架构攻击检测
密码学与安全
2022-06-02 v1 机器学习
摘要
随着 Spectre 和 Meltdown 等攻击的日益多样化，微架构攻击对硬件安全的威胁比以往更大。厂商补丁无法跟上新威胁的步伐，这使得动态异常检测工具比以往更为必要。遗憾的是，以往研究利用硬件性能计数器，由于可并发采样的计数器数量有限，导致较高的性能开销且只能刻画有限种类的微架构攻击。这使得那些检测工具在真实场景中效率低下。在本研究中，我们提出 MAD-EN 动态检测工具，其利用从通用 Intel RAPL 工具收集的系统级能耗轨迹来检测系统中的进行中异常。在我们的实验中，我们展示了基于 CNN 的 MAD-EN 能够以最高 0.999 的 F1 分数检测 10 种不同的微架构攻击（共 15 个变体），这使我们的工具成为迄今为止最通用的攻击检测工具。此外，在系统中检测到异常后，可以以 98% 的准确率区分个别攻击。我们证明，与基于性能计数器的检测机制相比，MAD-EN 引入了低 69.3% 的性能开销。
引用
@article{arxiv.2206.00101,
title = {MAD-EN: Microarchitectural Attack Detection through System-wide Energy Consumption},
author = {Debopriya Roy Dipta and Berk Gulmezoglu},
journal= {arXiv preprint arXiv:2206.00101},
year = {2022}
}