时序侧信道的定量缓解

时序侧信道对软件应用的安全与隐私构成重大威胁。我们提出一种通过降低侧信道强度来缓解该问题的方法，其强度由基于熵的目标（如最小猜测熵）度量。我们的目标是在保证用户指定的最大可接受性能开销的前提下，最小化信息泄露。我们将该问题的判定版本称为香农缓解（Shannon mitigation），并考虑确定性与随机性两种变体。首先，我们证明确定性变体是 NP-hard 的。然而，我们给出了一个多项式时间算法，可从受限集合中求得最优解。其次，对于随机性变体，我们开发了利用针对所用基于熵的目标的特定优化技术的算法。例如，对于最小猜测熵，我们使用了混合整数线性规划。我们将该算法应用于一种威胁模型，其中攻击者进行功能性观测，即她观测程序对同一秘密值结合不同公开输入值时的运行时间。现有缓解方法对该威胁模型不提供机密性或性能保证。我们在若干微基准测试和真实应用上以不同基于熵的目标评估了我们的工具 SCHMIT。与现有缓解方法相比，我们表明在功能性观测威胁模型下，SCHMIT 具有可扩展性，并能在性能开销界限内最大化机密性。