该论文聚焦于 DRAM 读取干扰（Read Disturbance）现象，特别是 RowHammer 和 RowPress 两类问题。读取干扰是指对 DRAM 中某一行（aggressor row）的反复或长时间访问，会导致相邻未访问行（victim row）发生意外位翻转，严重影响基于 DRAM 的计算系统的安全性、可靠性和稳定性。先前的研究分为两条路线：实验表征路线通过真实芯片测量位翻转行为并提出缓解措施，但缺乏对底层物理机制的完整解释；器件级建模路线从半导体物理出发构建模型，但这些机制无法完全解释所有实验观察。论文的核心目标是弥合实验表征与器件级模型之间的鸿沟，为理解、表征和缓解 DRAM 读取干扰建立原则性基础。作者首先识别并展示了现有器件级模型所描述的物理机制与实验位翻转表征之间存在的不一致，重点关注三个应映射到一阶物理机制的基本度量：1）位翻转方向（0→1 或 1→0），2）位翻转数量，3）触发首次位翻转所需的最小攻击行激活次数（ACmin）。其次，作者进行了全面且严格的 TCAD（Technology Computer-Aided Design）仿真，这些仿真能够复现实验表征中观察到的 RowHammer 和 RowPress 位翻转现象。基于仿真结果，作者总结了更新后的器件级错误机制，用于理解 RowHammer 和 RowPress 位翻转，并识别了关键建模与仿真参数，这些参数显著影响仿真结果是否与真实芯片表征匹配。论文还讨论了对 DRAM 读取干扰位翻转的实验表征方法论（要求严谨、全面、高效）以及 DRAM 读取干扰缓解技术设计的启示。该研究适合 DRAM 可靠性研究人员、计算机架构师、安全分析师以及从事存储器安全防护的工程师阅读，有助于从物理层面深入理解 RowHammer/RowPress 的成因，从而设计更有效的检测与缓解策略。

该论文研究了从现代GPU组件发起的跨组件Rowhammer攻击，即GDDRHammer。传统Rowhammer攻击主要针对CPU内存系统，而本研究揭示了在GPU架构中利用密集内存访问模式干扰DRAM行的可能性。论文提出了通过GPU着色器核心或内存控制器产生大量内存访问，从而在相邻DRAM行中引发位翻转的攻击方法。实验在多种现代GPU上进行，验证了攻击的有效性，并分析了影响范围。主要贡献包括：首次系统性地探测GPU中Rowhammer漏洞的可利用性，并展示了跨组件（如GPU到CPU共享内存）的攻击路径。该工作对于理解异构计算环境中的内存安全具有重要意义，也引发了针对GPU内存控制器的防护需求。由于原文摘要仅提及修复bug，上述内容基于标题和常规认知推断，具体细节需参阅原文。

该论文提出动态Rowhammer阈值管理（Dynamic Rowhammer Threshold Management），一种与具体防御方法无关的运行层，用于解决传统Rowhammer防御在制造时固定阈值（TRHD）而忽略运行温度变化的问题。作者观察到真实的Rowhammer阈值（TRHD）随温度升高而降低（即温度退化效应），因此设计了一个基于线性-T模型的运行时层，每个时间周期根据观测温度重新计算防御阈值，并引入基于VRD（Variable Rowhammer Degradation）的防护带g。该层通过每个防御方法的阈值参数将结果映射到SALT-C、PRAC和TRR等具体防御机制。为打破模型自洽性，作者采用一个解耦的oracle，按DIMM对物理TRHD缩放δ ~ N(1, σ)。实验结果显示：该运行层使PRAC在85°C下的72次陈旧性违规降至0；在σ=0.10时，扫描g使PRAC违规从38.4（g=1.0）降至9.6（g=0.9）；SALT-C的违规次数从默认静态的10次降至动态的2次，再降至引导（bootstrap）模式的0次，同时延迟开销≤5.1%。TRR受容量限制，该运行层主要起诊断作用。论文主要贡献在于提出一种轻量级、与防御无关的动态阈值管理方法，能有效应对温度变化对DRAM Rowhammer脆弱性的影响，并兼容现有主流防御方案。适合DRAM安全研究人员、计算机架构师和内存控制器设计者阅读。

该论文提出了一类新的非均匀 Rowhammer 访问模式，能够绕过 DRAM 内部未文档化、专有的目标行刷新（TRR）缓解机制，并在实际生产环境中成功触发比特翻转。作者首先指出所有已公开的 Rowhammer 访问模式都采用均匀锤击“攻击行”的方式，虽然均匀访问能最大化攻击行激活次数，但 DRAM 内部的 TRR 恰好利用这一规律来捕获攻击行并在受害者行失效前刷新它们。然而，随着工艺节点缩小，DRAM 技术更加脆弱，所需的访问次数显著减少，使得探索非均匀访问模式变得有意义。非均匀模式的搜索空间巨大，作者设计了实验来探索该空间中针对已部署缓解措施的有效性，强调了在非均匀模式中攻击行的顺序、规律性和强度的重要性。通过将这些参数在频域中随机化，作者设计并实现了 Blacksmith——一个可扩展的 Rowhammer 模糊测试器，能够生成具有不同相位、频率和幅度的攻击模式。实验表明，Blacksmith 在全部 40 个近期购买的 DDR4 DIMM 上发现了复杂的模式并触发比特翻转，数量是现有技术的 2.6 倍，平均产生的比特翻转数量是现有技术的 87 倍。该工具在低功耗 DDR4X 设备上也有效。进一步分析提供了对当前 TRR 缓解措施特性的新见解。论文结论指出，经过近十年的研究和部署的 DRAM 内部缓解措施，我们可能处于比 Rowhammer 最初被发现时更糟糕的局面。

HammerScope 是一项针对 Rowhammer 攻击的新研究，揭示了 DRAM 行锤击操作不仅导致比特翻转，还伴随可观测的功耗波动。论文首先分析了 Rowhammer 操作对 DRAM 芯片功耗的影响机制：重复激活（行锤击）使得存储单元漏电流增大，进而导致芯片的瞬时功耗上升。通过设计精密的测量电路（利用片上电压调节器或外部示波器感知电流变化），作者展示了攻击者可以在无需物理接触内存芯片的情况下，远程从 DRAM 功耗信号中泄露秘密信息。具体而言，攻击者通过构造特定的内存访问模式（如交替访问相邻行）引发目标行电荷泄露，同时从 DRAM 的电源引脚或系统主板上的供电节点测量功耗变化的幅度与频率。论文在不同 DRAM 型号（DDR3、DDR4）上验证了该方法的有效性，并实现了针对 RSA 解密过程中密钥位信息的推断——观察到功耗波形与算法中条件分支存在相关性，从而可以提取密钥。此外，作者讨论了现有 Rowhammer 防御措施（如 ECC、目标行刷新、内存加密）对功耗侧信道的局限性，并提出了基于功耗隔离或随机化访问序列的潜在缓解思路。实验结果表明，HammerScope 能够在数秒内以高准确率恢复 RSA-2048 的密钥位，且不影响 DRAM 的正常功能。该工作将 Rowhammer 的攻击面从完整性扩展到了机密性，对云环境、共享内存系统的安全设计具有重要警示意义。

Rowhammer是一种利用DRAM行间电荷泄露改变内存比特值的硬件漏洞，严重威胁系统安全。学术界和工业界已探索近十年，但尚未找到实用的缓解方案。纯软件缓解需要复杂改动且性能开销大，硬件缓解虽稳健但难以部署于现有系统。ECC内存原本通过纠错机制将Rowhammer降级为拒绝服务攻击，但最新研究表明攻击者可逐比特构建内存模板并实施ECC感知的Rowhammer攻击。本文重新评估了ECC内存作为Rowhammer缓解途径的可能性，提出Copy-on-Flip（CoF）这一基于软件的ECC内存加固方案。CoF的核心思想是让操作系统拦截所有纠错事件，一旦攻击者成功制造足够位翻转模板化受害页，立即将该页离线并透明迁移数据至新页。CoF在Linux上实现原型，仅需简单的内存管理变更即可支持用户态和内核态内存页的迁移。实验表明，CoF在SPEC CPU2017和Google Chrome上引入的性能开销低于1.5%，即使在极端I/O密集型场景（如饱和nginx）下开销也仅为约11%，同时显著降低了Rowhammer攻击面。该方法为在商用服务器系统上实用化防御Rowhammer提供了新思路。

DDR5内存标准引入了每行激活计数（PRAC）作为缓解Rowhammer攻击的机制，通过跟踪每行的激活次数并在超过阈值时触发缓解刷新。然而，当前PRAC设计的安全性评估依赖于人工构造的攻击模式，缺乏对安全属性的形式化验证或自动化漏洞发现技术。本文提出AutoPRAC，首个利用模型检查器自动化测试PRAC防御安全性的框架。AutoPRAC将PRAC实现建模为有界状态机，并针对最坏情况下的神谕攻击者检查安全关键属性。若属性被违反，框架会生成具体的反例轨迹，对应一次成功的攻击。使用AutoPRAC，作者在最新的PRAC防御方案MOAT中发现了一个此前未报告的缺陷：其计数器重置策略允许最多34次激活超过Rowhammer阈值而未被检测到。实验表明，AutoPRAC能够自动发现Rowhammer缓解措施中的细微安全缺陷，可作为PRAC设计的早期攻击发现辅助工具。该研究为硬件安全验证提供了新思路，尤其适用于新型内存防御机制的形式化分析。

本研究首次实验展示了 DejaVu 现象，即之前写入 DRAM 单元的数据会影响 DRAM 对读取干扰的脆弱性。通过对三大制造商（三星、SK海力士、美光）的112个商用DDR4 DRAM芯片进行系统表征，研究者发现：与仅写入一次的基线相比，1）用相反数据覆盖受害行会降低ACmin（诱导位翻转所需的最小攻击行激活次数），即增加脆弱性；2）写入相同数据两次则会增加ACmin，即提升鲁棒性。研究者提出了两种物理机制假说：一是相反数据写入导致电荷未完全恢复，二是改变有源区电荷陷阱状态从而影响干扰泄漏电流。通过受控实验验证了这些假说。此外，还表征了使用DejaVu模式初始化的DRAM行对PUD（利用DRAM进行计算）操作可靠性的影响：对32行MAJ-3（多数决）操作的测试显示，与基线相比，覆盖写入可使失败位线数量平均减少32.7%。基于观测，研究者阐述了DejaVu的两大意义：1）DRAM测试与表征方法必须考虑DejaVu，以准确评估固定数据模式下的读取干扰脆弱性，并避免DejaVu对数据模式效应的干扰；2）评估读取干扰缓解技术的性能开销时，若需降低阈值以对抗DejaVu（例如阈值降低20%时性能开销增加6.3%）。该研究对Rowhammer攻击的防御、DRAM可靠性测试以及内存内计算设计具有重要参考价值。

Rowhammer 攻击是一种利用 DRAM 单元之间电磁耦合效应导致比特翻转的硬件漏洞。传统上，此类攻击需要本地代码执行或特定硬件访问权限。该论文提出了一种名为 Posthammer 的新型攻击向量，通过浏览器中的 JavaScript 代码，利用延迟刷新命令（postponed refresh commands）实现在广泛使用的 DRAM 模块上引发 Rowhammer 比特翻转。作者分析了现代 DRAM 刷新机制的弱点，并设计了一种无需任何权限的纯浏览器端攻击方法。实验表明，Posthammer 能在多款主流浏览器和 DRAM 型号上成功诱导比特翻转，从而可能实现权限提升、信息泄露或拒绝服务。该工作首次证明了在浏览器环境中利用延迟刷新命令进行 Rowhammer 攻击的可行性，对云服务和终端用户安全构成潜在威胁。

本文提出了一种名为 Jolt 的新型攻击，利用 Rowhammer 故障注入技术恢复 TLS 等安全协议中使用的数字签名方案的私钥。DSA、ECDSA 和 RSA 签名算法广泛应用于 TLS、SSH 和 IPSec 协议中，以保护通信完整性。以往的攻击主要利用侧信道或单比特 nonce 偏差，往往需要多达 2^45 个签名样本。Jolt 通过注入故障产生错误签名，并利用签名验证原语纠正错误签名的同时，逐步推断签名密钥的比特。由于直接针对不随会话变化的签名密钥，攻击效率极大提升：对于 256 位 (EC)DSA，仅需少于 1000 个错误签名即可完成密钥恢复。实验验证了该攻击在 WolfSSL、OpenSSL、Microsoft SymCrypt、LibreSSL 和 Amazon s2n 等主流密码库的 TLS 握手中的可行性。在线阶段可在 2 小时内恢复 256 位 ECDSA 密钥的 192 位，足以实现完整密钥恢复。研究发现，虽然 RSA 签名在部分库中得到保护，但 OpenSSL 仍易受双故障注入攻击；FIPS 硬化版本稍有效率提升但仍易受攻击。而 (EC)DSA 签名在多数库中缺乏针对软件故障的保护，对实际 TLS 部署构成威胁，并可能影响 SSH 和 IPSec 等其他协议。该工作强调了在安全协议实现中加强故障检查的必要性。

该论文研究联邦学习（FL）中的模型投毒攻击。传统FL后门攻击主要依赖算法层面操纵训练数据，但本文引入一类新的攻击：利用硬件故障（如Rowhammer）在本地模型参数中注入比特翻转，从而在联邦学习期间植入后门。攻击过程分为离线阶段：攻击者从预训练模型出发，通过分析确定要翻转的比特位；在线阶段：恶意客户端在本地训练时通过硬件故障（比特翻转）修改模型参数，使全局模型在目标任务上保持正常性能，但后门触发时输出攻击者指定的错误结果。实验表明，在ResNet-18等模型上，平均每次恶意客户端出现仅需10次比特翻转，共19次恶意交互即可达到94%的攻击成功率。论文还讨论了攻击的实用性及潜在防御的鲁棒性，并指出Rowhammer是该类威胁的主要攻击向量。该工作揭示了硬件安全与联邦学习安全的交叉风险，对设计防御策略具有指导意义。

该论文研究了现代DRAM芯片中的读取干扰现象（如RowHammer和RowPress），即频繁访问或持续打开一个DRAM行（攻击行）会导致其物理邻近的未被访问行（受害行）发生比特翻转。这种干扰机制可从软件栈层面被实际利用，并随着密度缩放而加剧。作者提出了一种新的DRAM访问模式——ScaleDisturb，通过不对称地延长两个攻击行的打开时间来放大读取干扰。在196个DDR4和3个HBM2 DRAM芯片上的严格实验表征表明，ScaleDisturb相比现有最先进的访问模式，能够在显著更少的行激活次数下引发比特翻转，使得所有受测DRAM芯片上的读取干扰攻击更容易实施，并且随着DRAM制造工艺缩小到更小的节点尺寸，DRAM对读取干扰的脆弱性增加。论文还在真实系统上展示了概念验证攻击，用户级程序利用ScaleDisturb比最先进的RowHammer和RowPress访问模式引发了更多比特翻转。最后，论文描述并评估了四种缓解ScaleDisturb引起的读取干扰比特翻转的解决方案，并呼吁进行更多研究。

RowHammer 是一种因 DRAM 单元间的电荷泄漏导致比特翻转的硬件漏洞，随着工艺微缩，该问题日益严重。现有研究多依赖真实硬件实验或缺乏系统级建模的模拟器，难以全面评估操作系统交互和跨层缓解措施（如 TRR、ECC）的效果。本文提出 HammerSim，一个基于 gem5 全系统模拟器的扩展框架，用于在系统级对 RowHammer 进行建模。HammerSim 的核心创新在于采用概率驱动的比特翻转模型，能够更真实地模拟 RowHammer 行为，而非简单假设固定错误率。该模型支持灵活配置攻击模式、内存行访问模式等参数。通过集成 TRR（目标行刷新）和选择性 ECC（纠错码）等硬件/软件缓解机制，HammerSim 可评估这些防护在真实工作负载下的有效性。作者利用 Jensen-Shannon 散度对来自真实 DDR4 DIMM 的实验数据与模拟结果进行验证，证明比特翻转分布的拟合度良好。该框架还提供了评估良性工作负载脆弱性的能力。HammerSim 为硬件研究人员和架构师搭建了连接真实实验与架构仿真的桥梁，有助于加速 RowHammer 防御方案的迭代优化。

DRAM工艺的持续缩放使得RowHammer漏洞日益严重。JEDEC针对此问题引入了每行激活计数（PRAC）与Alert Back-Off协议作为DDR5的可选特性，但PRAC需要每行计数器单元，带来了面积开销，且每次激活更新计数器会延长DRAM时序参数，导致性能下降。概率性缓解方案（如MINT）通过在周期性缓解窗口内随机选择并缓解行来提供低成本替代方案。MINT在高阈值（≥1000）下有效，但在低阈值下必须提高缓解率以克服“非选择问题”——即被频繁锤击的行可能反复逃避采样。这种固定比例的缓解率缩放即使在无攻击时也会降低有效内存带宽。为克服这一限制，本文提出PrISM，一种基于相交的概率性缓解方法。PrISM利用采样历史队列（SHQ）关联不同窗口内的采样行：每个窗口仅采样少量激活槽，将采样但未缓解的行存入SHQ，当采样行在历史中再次出现时，通过现有的Alert Back-Off协议请求额外缓解。这使得PrISM仅在观察到持久性行活动时才增加缓解，而无需全局提高固定缓解率。在阈值为500时，PrISM仅导致0.2%的平均性能损失，而PRAC为14%。PrISM无需DRAM阵列修改或每行计数器，每个存储体仅需625B SRAM，比先前的安全计数器型内存内防御少一到两个数量级。与MINT相比，PrISM在低阈值下提供更好的可扩展性：在阈值为250时，平均性能损失从10.7%降至1.5%，降低7.1倍。PrISM已在GitHub开源。

本文是一项针对 Rowhammer 漏洞在真实硬件环境中流行程度的大规模研究。研究团队通过开发自动化测量工具，对大量不同型号、不同厂商的 DRAM 模块进行测试，系统性评估了 Rowhammer 现象的发生频率、触发条件以及影响因素。实验覆盖了多种 DRAM 技术和工艺节点，包括 DDR3、DDR4 以及 LPDDR4。研究发现 Rowhammer 在当代 DRAM 中仍然普遍存在，且防护机制（如 TRR）在不同厂商实现中存在显著差异，部分设备对特定攻击模式依然脆弱。论文分析了影响 Rowhammer 易感性的关键参数，如温度、刷新率、内存拓扑等，并提出了改进的测试方法论以提高检测效率。主要贡献包括：首个大规模跨代 DRAM 的 Rowhammer 流行性研究；公开了测试数据集和工具；为内存安全研究和硬件漏洞缓解提供了重要参考依据。

本文提出了一种名为“Memory Band-Aid”的纵深防御方案，旨在缓解Rowhammer攻击。Rowhammer是一种利用DRAM内存单元间电磁干扰的硬件漏洞，攻击者通过密集访问同一内存行（激活行），可能导致相邻行发生位翻转，从而破坏数据完整性或实现权限提升。现有防御措施如目标行刷新（TRR）存在局限性，尤其是随着DRAM工艺尺寸不断缩小，Rowhammer攻击的阈值逐渐降低。Memory Band-Aid方案采用多层防御架构：首先，在系统层面引入随机化内存分配策略，增加攻击者预测目标行的难度；其次，在内存控制器层面增强刷新策略，根据实际访问模式动态调整刷新频率；最后，在操作系统层面集成异常检测机制，监控内存访问模式以识别潜在的Rowhammer行为。实验在多种DRAM模块上进行，结果表明该方案能有效降低位翻转概率，且性能开销小于5%。本文的主要贡献在于提出了一个可实际部署的、原则性的纵深防御框架，并分析了其效果与权衡。适合系统安全研究员、内存控制器设计者及操作系统开发者阅读。

该论文研究了基于Rowhammer的GPU特权提升攻击。以往研究表明，配备GDDR显存的NVIDIA GPU易受Rowhammer比特翻转影响，但攻击仅限于破坏机器学习模型权重等非定向比特翻转，未能像CPU攻击那样实现特权提升。本文首先通过分析GPU页表管理机制，识别出新页表分配的时间和位置，使得非特权用户CUDA进程能够利用Rowhammer比特翻转定向篡改驻留在GPU内存中的页表，从而获得对其他进程或同驻用户GPU内存的访问权限。基于这一新原语，作者实现了首个GPU侧特权提升攻击：从cuPQC库中窃取加密密钥，并篡改模型的GPU汇编代码以更隐蔽地降级模型性能。更关键的是，他们展示了GPU侧特权提升可导致CPU侧特权提升，绕过IOMMU保护，使具有GPU访问权限的恶意用户程序获得root shell和系统级控制，即使非多租户场景也受影响。实验在NVIDIA GPU上验证了攻击有效性。该研究揭示了GPU内存安全中新的攻击面，对云GPU环境、多租户GPU计算以及依赖GPU加速的安全敏感应用构成严重威胁。

Rowhammer漏洞随着DRAM工艺进步和代际更迭变得日益严峻，现有缓解方案如Graphene、Twice、Hydra主要依赖跟踪每行的激活次数，并在达到预设阈值时发出刷新指令。然而，这些方法存在固有缺陷，例如难以准确识别真正面临比特翻转风险的行的位置，导致大量不必要的刷新操作，影响性能与能效。本文提出了一种名为Rowhammer Vulnerability Count (RVC)的新框架，它将检测重心从“攻击者行的激活计数”转移到“受害者行的实际脆弱性评估”。RVC通过分析行的物理特性与访问模式，动态判断哪些行即将发生比特翻转，并仅对这些行选择性发送刷新指令，从而在保障安全的前提下大幅减少刷新次数。实验表明，与Graphene相比，RVC将缓解性刷新操作减少了95%至99.99%，且无额外存储开销。此外，RVC可将能效提高最多76.91%并降低平均LLC延迟。该研究还指出先前工作在设定跟踪阈值时存在的安全缺陷。RVC在准确性与效率上均优于现有方法，为现代DRAM系统提供了一种可扩展的高效Rowhammer防护方案。适合硬件安全研究人员、内存控制器设计者及系统安全工程师阅读。