使用机器学习实时检测 Spectre 与 Meltdown 攻击
密码学与安全
2020-06-03 v1
摘要
最近发现的 Spectre 和 Meltdown 攻击通过侧信道攻击将机密信息泄露给其他进程，影响了几乎所有处理器。这些漏洞暴露了现代 CPU 架构中的设计缺陷。为了修复这些设计缺陷，有必要对现代处理器的硬件进行更改，这是一项艰巨的任务。针对这些漏洞的软件缓解技术会导致显著的性能下降。为了在保持现代处理器性能优势的同时缓解 Spectre 和 Meltdown 攻击，本文提出了一种针对 Spectre 和 Meltdown 攻击的实时检测机制，通过识别推测执行的滥用和侧信道攻击来实现。我们使用硬件性能计数器和软件事件来监视与推测执行、分支预测和缓存干扰相关的活动。我们使用各种机器学习模型来分析这些事件。当系统受到攻击时，这些事件会产生非常独特的模式；机器学习模型能够在现实的负载条件下以超过 99% 的准确率检测到 Meltdown 和 Spectre 攻击。
引用
@article{arxiv.2006.01442,
title = {Real time Detection of Spectre and Meltdown Attacks Using Machine Learning},
author = {Bilal Ali Ahmad},
journal= {arXiv preprint arXiv:2006.01442},
year = {2020}
}