#microarchitectural-attack

共收录 3 条相关安全情报。

← 返回所有主题
👥 作者: Fabian Rauscher, Carina Fiedler, Andreas Kogler, Daniel Gruss

本文是首次对CPU缓存侧信道攻击进行系统性评估的研究,由格拉茨科技大学的研究团队完成。研究选取了四种最经典的缓存攻击技术(Flush+Reload、Flush+Flush、Evict+Reload、Prime+Probe)以及三种新提出的攻击(Demote+Reload、Demote+Demote、DemoteContention),基于9项特征在最新的Intel微架构(包括Sapphire Rapids和Emerald Rapids)上进行了全面对比。这9项特征包括:命中-缺失余量、时间精度、空间精度、拓扑范围、攻击耗时、盲区长度、信道容量、噪声鲁棒性和可检测性。实验结果显示,Demote+Reload和Demote+Demote在多数场景下与既有攻击性能相当,部分场景更优:例如,Demote+Reload相比Flush+Reload盲区缩短60.7%,信道容量达到15.48 Mbit/s,比Flush+Reload高64.3%。研究还通过AES T表攻击对比了所有攻击,并在按键间隔时序攻击中比较了Demote+Reload和Flush+Reload。此外,Demote+Demote首次被用于实现KASLR(内核地址空间布局随机化)绕过,而Demote+Reload能够放大功率侧信道泄漏。值得注意的是,Sapphire Rapids和Emerald Rapids采用了非包含型L3缓存,使得基于驱逐的跨核攻击(如Prime+Probe和Evict+Reload)仅能在受害活动到达L3缓存的罕见场景下生效。因此,作者展示了DemoteContention在跨核攻击中可作为Prime+Probe和Evict+Reload的可靠替代方案,无需逆向物理地址映射和缓存替换策略。该研究为微架构侧信道攻击的检测与防御提供了重要参考,有助于安全社区理解新型CPU上缓存侧信道的实际威胁边界。

💡 推荐理由: 该研究系统评估了新旧缓存侧信道攻击,并首次在非包含型L3缓存(Sapphire Rapids/Emerald Rapids)下验证了DemoteContention等新方法的有效性,对防御者理解最新Intel平台的侧信道风险、调整缓存隔离与监控策略具有直接指导意义。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.6)
👥 作者: Tristan Hornetz, Hosein Yavarzadeh, Albert Cheu, Adrià Gascón, Lukas Gerlach 0001, Daniel Moghimi, Phillipp Schoppmann, Michael Schwarz 0001, Ruiyi Zhang 0001

该论文针对英特尔TDX(Trust Domain Extensions)这一基于虚拟机的机密计算环境,系统研究了其微架构侧信道攻击面。TDX旨在保护租户代码和数据免受特权云操作系统的侵害,但往往将微架构侧信道排除在威胁模型之外。作者发现了四个新的侧信道原语:SEPTrace、Load+Probe、TSX-Probe和MWAIT-Probe,它们从主机侧以不同的时间精度暴露页级和缓存级活动。基于这些原语,作者构建了TDXRay框架,该框架能够产生未修改的机密虚拟机的高精度、缓存行粒度的内存访问轨迹。通过两个案例研究验证了TDXRay的攻击能力:(1) 经典AES T-table攻击,恶意虚拟机管理器通过访问模式泄露恢复出秘密密钥;(2) 针对大语言模型的攻击,主机通过监控标记化过程中的内存访问推断用户提示。实验表明,TDXRay能够从单次内存访问轨迹中可靠地恢复用户提示,对私有LLM推理构成严重威胁。最后,论文探讨了系统级和应用级的缓解策略,如基于ORAM的短期解决方案,并强调了长期改进TDX架构的必要性。

💡 推荐理由: 首次在Intel TDX中实现实际微架构侧信道攻击,突破其隔离假设,尤其是能窃取LLM推理中的用户提示,威胁云AI隐私。迫使业界重新评估机密计算的威胁模型。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | 命中热门研究主题 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Lesly-Ann Daniel, Sébastien Bardin, Tamara Rezk

Spectre 漏洞利用微架构推测执行机制窃取敏感信息,自 2018 年公开以来给密码库等关键软件带来严重威胁。现有检测方法面临两大挑战:推测路径导致的状态空间爆炸,以及不同编译阶段可能引入新的 Spectre 漏洞。本文提出一种名为 Haunted RelSE 的优化技术,旨在实现二进制级别可扩展的 Spectre 漏洞检测。Haunted RelSE 是一种关系符号执行优化,通过语义等价的变换,将显式的推测探索转化为更高效的隐式关系推理,从而大幅减少需探索的路径数量。作者在符号分析工具中实现了该技术,并在针对 Spectre-PHT(条件分支误预测)和 Spectre-STL(存储到加载转发)的两个 litmus 测试集上进行了全面评估。实验结果表明,Haunted RelSE 相比现有最先进技术和工具,能发现更多违规,且可扩展性更优。此外,将该工具应用于真实世界的密码库时,发现了之前未知的漏洞。特别值得注意的是,研究发现标准防御措施 index-masking(用于阻止 Spectre-PHT)以及 gcc 编译位置无关可执行文件(PIE)的常用选项(如 -fPIE)会引入新的 Spectre-STL 违规。作者提出并验证了 index-masking 的一种修正方案,以消除该问题。本文适合安全研究人员、编译开发者及密码库维护者阅读。

💡 推荐理由: 提出了一种高效、可扩展的二进制级 Spectre 漏洞检测方法,并发现主流防御措施和编译选项会引入新漏洞,对安全开发有重要指导意义。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)