ShadowScope：基于可组合副通道信号的 GPU 监控与验证
密码学与安全
2025-09-05 v2
摘要
随着现代系统日益依赖 GPU 执行计算密集型任务（如机器学习加速），确保 GPU 计算完整性变得至关重要。最近的研究表明，GPU 内核可能受到传统内存安全问题（如缓冲区溢出攻击）和新兴微体系结构威胁（如 Rowhammer 攻击）的影响，这些问题通常表现为异常执行行为，可通过副通道信号观察。然而，现有的基于黄金模型的验证方法稳健性差，对干扰敏感，且难以在具有多样化调度行为的 GPU 工作负载之间扩展。为此，我们提出 ShadowScope，一种监控和验证框架，利用可组合黄金模型。ShadowScope 将可信的 kernel 执行分解为模块化、可重复的函数，这些函数编码关键行为特征。这种可组合设计在更细粒度上捕获执行模式，实现对噪声、工作负载变化和干扰具有鲁棒性的验证。为进一步减少对噪声软件-only 监控的依赖，我们引入 ShadowScope+，一种集成轻量级 on-chip 检查的硬件辅助验证机制。ShadowScope+ 以仅 4.6% 的平均运行开销实现高验证精度，同时在硬件和设计复杂度方面造成最小影响。总体而言，这些贡献表明，副通道可观测性可被系统性地重新用于 GPU kernel 完整性的实用防御。
引用
@article{arxiv.2509.00300,
title = {ShadowScope: GPU Monitoring and Validation via Composable Side Channel Signals},
author = {Ghadeer Almusaddar and Yicheng Zhang and Saber Ganjisaffar and Barry Williams and Yu David Liu and Dmitry Ponomarev and Nael Abu-Ghazaleh},
journal= {arXiv preprint arXiv:2509.00300},
year = {2025}
}