控制流证明（CFA）是一种安全服务，允许验证者远程验证计算机系统上代码执行的完整性。然而，现有的CFA方案存在不切实际的假设，例如需要访问证明者的内部状态（如内存或代码）、完整的控制流图（CFG）、大量的测量数据或定制硬件。此外，现有方案计算开销大、资源占用高，不适合资源受限的嵌入式设备。本文提出RAGE，一种新颖的轻量级CFA方法，旨在克服现有方案在嵌入式设备上的局限性。RAGE仅需极少的假设即可检测代码复用攻击（CRA），包括控制数据攻击和非控制数据攻击。其核心思路是利用执行轨迹、执行图和执行嵌入之间的对应关系，消除对完整CFG的不切实际需求。RAGE从单次执行轨迹中高效提取特征，并利用无监督图神经网络（GNN）来识别与良性执行的偏差。作者在嵌入式基准测试上评估RAGE，结果显示：（1）成功检测40个针对嵌入式软件的真实攻击；（2）在真实嵌入式软件基准Embench上，针对合成面向返回编程（ROP）和数据导向编程（DOP）攻击，F1分数分别达到98.03%和91.01%，同时保持3.19%的低假阳性率；（3）在数百万设备使用的OpenSSL上，ROP和DOP攻击检测的F1分数分别为97.49%和84.42%，假阳性率为5.47%。该工作表明，无监督GNN能够有效降低CFA的资源需求，为嵌入式系统提供实用的安全证明方案。

该论文针对远程部署的低成本微控制器单元（MCU）的安全审计问题展开研究。MCU因其低功耗和高能效，越来越多地被用于关键任务场景，但其固有的安全漏洞使其易受攻击。控制流证明（CFA）是一种远程检测攻击的技术，通过记录任务执行期间的所有控制流转移（CFLog），使验证者（Vrf）能够检测到非法改变软件或运行时行为的攻击。然而，现有的CFA技术无法确保当证明者（Prv）被攻陷时，Vrf仍能接收到CFLog，因为攻陷后的Prv可以忽略CFA请求，从而阻止Vrf进行漏洞分析。为此，本文提出了两种运行时审计架构，旨在确保运行时证据的可靠交付，使Vrf能够对检测到的入侵进行修复。第一种方法采用硬件-软件协同设计，通过修改硬件或固件来保证证据传输；第二种方法利用可信执行环境（TEE）在无需硬件修改的情况下提供相同的保证。未来工作将聚焦于应用特定的存储/延迟优化以及运行时证据的自动化漏洞分析。该研究对于保障物联网设备、工业控制系统等嵌入式系统的安全远程验证具有重要价值。