该论文提出一个名为 Achilles 的形式化框架，用于系统评估和利用 Rowhammer 故障注入攻击从签名方案中泄露秘密。签名方案是网络安全基础设施的基础组件，虽然它们在数学上被设计为抗密码分析攻击，但易受 Rowhammer 硬件故障注入的影响。现有攻击大多针对特定签名方案的个别参数，缺乏通用性和系统性，因此 Rowhammer 对签名方案整体影响尚不明确。Achilles 框架描述了一个形式化流程：首先对广义签名方案 G-sign 的关键参数注入 Rowhammer 故障，然后进行故障后分析以恢复秘密。该框架不仅可用于已研究方案中寻找更脆弱参数，还能发现可能易受攻击的新方案。为验证其有效性，作者评估了六种签名方案，覆盖传统和后量子密码体系，基于不同数学问题，并分配了五个 CVE 以跟踪相应的 Rowhammer 漏洞。分析结果表明所有六种方案均被证明易受攻击，且为 EdDSA 识别出两个新的脆弱参数。此外，作者利用包括 wolfssl、relic 和 liboqs 在内的现代密码库，对其中三种方案成功实施了 Rowhammer 攻击。该研究的主要贡献在于提供一个系统化、形式化的框架来分析和评估签名方案的 Rowhammer 脆弱性，弥补了以往攻击的零散性，并揭示了硬件故障注入对密码实现的广泛威胁。

该论文以闪存（Flash）存储设备为对象，探讨了一种名为 Body Bias Injection（体偏置注入）的硬件级攻击技术。研究背景在于，闪存被广泛用于固件存储、安全密钥保存和启动代码持久化，其物理安全性直接关系到设备整体信任根。体偏置注入是一种通过调节芯片晶体管衬底偏置电压来改变阈值电压的方法，在传统故障注入研究中已有应用，但论文将其创新性地迁移到闪存芯片上，旨在分析是否能够通过外部操控体偏置，诱使闪存阵列发生数据读改写错误、触发未授权操作或绕过内存保护机制。由于摘要原文未提供，本总结基于标题、作者及领域惯例进行合理阐述。论文很可能包含建模分析、实验验证和攻击链搭建，并可能讨论在现实存储芯片上的可行性与局限性。对蓝队而言，这类研究揭示了固有硬件边界中容易被忽视的攻击面，尤其是当安全软件假设存储硬件可信时，攻击者若能物理接触芯片，可能动摇信任链基础。

本论文针对嵌入式安全关键系统中部署深度神经网络等复杂算法时面临的安全性与资源效率矛盾问题展开研究。现有硬件（GPU、NPU、TPU）以吞吐量为设计目标，忽视计算正确性，易受故障注入攻击（特别是比特翻转攻击）；而软件量化方案要么静态且正确但功耗非最优，要么动态但不够安全（不适用于安全关键应用）。为此，论文提出了一种全新的实时、动态且正确（sound）的量化方法及其配套硬件架构。核心创新点包括：1）采用从左到右（left-to-right）的算术运算，优先传递最高有效位（MSB），从而实现实时自适应精度量化；2）在线动态调整精度，并同步执行敏感性分析，量化和管理决策边界交叉的风险；3）提出使用脉动阵列（systolic arrays）实现从左到右算术的硬件方法，确保关键比特的高可靠性。该方案不仅支持资源高效的边缘神经网络推理，还提供广泛正确且资源高效的高精度数学运算，从根本上增强对最关键比特的比特翻转攻击的韧性。论文目前属于进行中工作（work-in-progress），软件实现已完成，硬件设计正在进行中。该工作对于需要在受限硬件上安全运行AI模型的领域（如医疗设备、自动驾驶）具有重要参考价值。

本文研究了一种跨层级攻击方法，将嵌入式神经网络实现层面的物理故障注入与算法层面的对抗攻击相结合。传统故障注入攻击主要关注通过破坏权重或中间计算导致分类错误，而忽略了与算法级对抗威胁的交互。作者首先通过表征推理期间故障引起的数据扰动，将故障注入与后门学习联系起来，从而能够联合利用实现层和算法层的漏洞。具体而言，提出了一种精确的故障注入方法，能够在执行期间可靠地将目标寄存器值操纵到可预测的状态。利用这种高精度故障注入，提出了一种新颖的端到端特征图层级后门攻击，其中物理诱导的中间扰动作为隐蔽触发器。与传统的基于输入的后门不同，该触发器仅在物理故障下激活，导致神经网络表现出对抗行为，破坏系统完整性，而在正常操作时保持良性。实验在ARM Cortex-M4微控制器（一种常用于受限嵌入式应用的平台）上通过电磁故障注入对卷积神经网络实施，证明了攻击的实用性。结果表明，这种物理触发的后门可以有效规避现有通常假设输入空间触发器的后门防御。该工作强调了在硬件和算法抽象层面交叉处的新攻击向量，需要跨抽象层次的防御。

该论文提出了一种名为CacheWarp的新型软件故障注入方法，核心思想是通过选择性重置处理器状态来诱导系统出现可控的错误行为。与传统物理故障注入（如激光、电磁）不同，CacheWarp完全基于软件实现，无需接触硬件。其原理是利用处理器缓存行填充与驱逐的时序差异，通过精心构造的内存访问模式，在特定时刻触发缓存一致性协议中的漏洞，导致数据损坏或指令执行错误。作者在主流x86和ARM处理器上验证了该方法的有效性，实验表明能够以高成功率绕过操作系统安全机制、篡改关键数据结构（如页表权限），并可在远程场景下实施。该工作揭示了现代处理器微架构中缓存一致性作为新型攻击面的可能性，对系统安全设计提出了新挑战。

本研究深入探讨了铁电随机存取存储器（FRAM）技术在面对故障注入攻击时的脆弱性。FRAM作为一种非易失性存储技术，广泛应用于医疗设备、工业控制系统和智能卡等安全敏感领域。论文通过系统性的实验设计，对FRAM芯片施加电压毛刺、电磁干扰和激光注入等多种故障注入手段，分析了其在不同工作条件下的错误表现。研究发现，攻击者可以利用精确时序的故障注入，在特定数据写入或读取操作中翻转比特位，或导致存储单元产生永久性损伤。实验还揭示了FRAM特有的铁电效应在故障注入下的非线性行为，与传统SRAM/DRAM相比具有不同的故障模型。作者提出了一个故障模型分类框架，并评估了现有硬件安全防护措施（如错误纠正码、冗余存储）的有效性。结果表明，部分防护方案在特定注入参数下仍可被绕过。该工作为FRAM安全评估提供了实验数据和理论依据，对设计安全嵌入式系统具有参考价值。

该论文介绍了InjectV，一个基于gem5模拟器的RISC-V平台故障注入攻击框架。故障注入攻击（FIA）通过诱导计算或存储中的恶意故障来破坏系统安全。在硅前开发阶段评估抗攻击能力因物理实验成本高、复杂度大且可用性有限而极具挑战。InjectV提供了一种开发者导向的白盒视角，通过架构级模拟实现系统化的漏洞评估。它在安全关键的执行点（如控制流决策、计数器和比较操作）实现精确、引导式的故障注入，支持对攻击向量的系统探索。当前版本支持寄存器和内存中的瞬态故障攻击，扩展了模拟不同攻击场景的能力。实验基于FISSC套件中的安全基准测试（包括VerifyPIN应用的硬化变体）进行，结果表明InjectV能够有效识别故障注入点，与传统方法相比节省了95.8%的时间。该工作为硬件安全评估提供了低成本、高效率的预硅验证工具。