短论文：基于静态与微架构机器学习的 Spectre 漏洞与攻击检测方法
密码学与安全
2022-10-27 v1 机器学习
摘要
Spectre 入侵利用了现代处理器中的推测执行设计漏洞。这些攻击违反了程序中的隔离原则，以获取未经授权的私有用户信息。当前最先进的检测技术利用微架构特征或易受攻击的推测代码来检测这些威胁。然而，这些技术是不充分的，因为事实证明 Spectre 攻击更加隐蔽，最近发现的变体可以绕过当前的缓解机制。侧信道在处理器缓存中生成独特的模式，敏感信息泄漏依赖于易受 Spectre 攻击的源代码，攻击者利用这些漏洞（如分支预测）导致数据泄露。以往的研究主要采用微架构分析这一被动方法来检测 Spectre 攻击。因此，在本文中，我们首次全面评估了静态和微架构分析辅助的机器学习方法，以检测易受 Spectre 攻击的代码片段（预防性）和 Spectre 攻击（被动性）。我们评估了使用分类器检测 Spectre 漏洞和攻击时的性能权衡。
引用
@article{arxiv.2210.14452,
title = {Short Paper: Static and Microarchitectural ML-Based Approaches For Detecting Spectre Vulnerabilities and Attacks},
author = {Chidera Biringa and Gaspard Baye and Gökhan Kul},
journal= {arXiv preprint arXiv:2210.14452},
year = {2022}
}
备注
5 pages, 2 figures. Accepted to the Hardware and Architectural Support for Security and Privacy (HASP'22), in conjunction with the 55th IEEE/ACM International Symposium on Microarchitecture (MICRO'22)