共收录 7 条相关安全情报。
← 返回所有主题该论文研究了在Intel SGX（软件保护扩展）飞地中执行深度神经网络（DNN）时的架构泄露问题。作者提出了一种基于单步执行的新型侧信道攻击——DNN延迟序列攻击（DNN Latency Sequencing），通过精确测量DNN层执行的时间延迟，推断出DNN模型的架构信息，包括层数、层类型、连接方式和激活函数等。攻击者无需获取飞地内存内容或运行恶意代码，仅依靠时间测量即可提取模型架构。论文在真实SGX环境下对多种现代DNN架构（如VGG、ResNet、BERT等）进行实验，证明了攻击的有效性，并讨论了可能的防御措施。该研究揭示了SGX飞地中DNN部署的隐私风险，对安全社区具有重要警示意义。
💡 推荐理由: 该研究首次利用单步执行时序侧信道攻击，从Intel SGX飞地中成功提取DNN模型架构，对依赖SGX保护模型机密性的应用构成严重威胁。
🎯 建议动作: 研究跟进
本文提出了一种名为AEX-NStep的新型侧信道攻击，针对Intel SGX安全飞地。该攻击通过统计中断事件的发生次数，以概率方式推断飞地内部执行的敏感信息。具体技术细节和实验评估因未提供摘要而无法详述。该研究属于对SGX安全性的持续探索，揭示了中断计数作为隐蔽信道的新利用方式。
💡 推荐理由: 对依赖Intel SGX的云服务、可信执行环境的安全模型构成潜在威胁，可能影响机密计算场景下的数据保护。
🎯 建议动作: 研究跟进，评估对内部SGX环境的威胁，并关注厂商缓解措施。
该论文是一篇关于Intel SGX（Software Guard Extensions）安全性的系统化知识（SoK）综述。论文系统梳理了自SGX提出以来学术界和工业界发现的各类攻击向量，包括侧信道攻击（如L1TF、Foreshadow、ZombieLoad等微架构攻击）、软件漏洞（如enclave内内存安全缺陷）以及针对SGX远程认证机制的绕过方法。作者将这些攻击按攻击阶段（初始化、执行、持久化）和攻击面（硬件、固件、软件）进行分类，并评估了现有防御措施的有效性。主要贡献包括：（1）构建了SGX攻击分类体系；（2）对已知攻击进行元分析，揭示其根本原因（如共享资源竞争、推测执行泄露）；（3）指出现有防御（如安全区页面缓存锁定、加密内存）无法完全阻止侧信道攻击；（4）提出未来SGX安全研究的方向，包括硬件定制化安全指令和运行时完整性监控。论文适合系统安全研究人员、SGX应用开发者以及可信执行环境（TEE）设计者阅读。
💡 推荐理由: SGX曾被视为可信计算的基石，但该SoK揭示了其多个安全假设已失效，提醒安全社区重新评估基于SGX的信任模型。
🎯 建议动作: 研究跟进
Intel SGX（软件保护扩展）旨在保护云上不可信机器中用户数据的机密性。然而，处理机密用户数据的应用程序可能包含泄漏信息的缺陷，或被恶意编程以收集用户数据。现有的研究工作试图解决该问题，但未考虑在单个enclave（飞地）内实现多客户端隔离。本论文指出，由于SGX的限制，不支持此类enclave内隔离的方案在并发处理多个客户端（位于不同enclave进程）时会产生显著的性能下降。为此，作者提出了CHANCEL，一种高效的多客户端隔离系统，能够在单个enclave内部为不同客户端提供强隔离，同时保持较低的性能开销。CHANCEL利用SGX的内存保护机制和精心设计的调度策略，实现了安全且高效的并发处理。实验结果表明，相比现有的多enclave方案，CHANCEL在多种工作负载下大幅提升了吞吐量并降低了延迟。该工作为在SGX环境下构建安全的云服务（如多方计算、数据共享平台）提供了重要的基础架构支持。
💡 推荐理由: 针对SGX应用中多客户端隔离缺失导致的性能瓶颈，CHANCEL提供了安全且高效的解决方案，对于依赖SGX的云服务具有实践价值。
🎯 建议动作: 研究跟进
本文针对在可信执行环境（TEE，如 Intel SGX）中安全使用遗留代码实现可信代码的问题展开研究。遗留代码通常假设操作系统存在，因此容易遭受 Iago 攻击——一种通过伪造系统调用返回值来劫持程序行为的攻击。作者发现，并非所有遗留代码都易受此类攻击，只有那些以不安全方式使用系统调用返回值的代码才存在 Iago 漏洞。论文的核心贡献在于提出了一种名为 Emilia 的机制，用于在遗留代码中自动检测和防御 Iago 攻击。具体方法是通过静态分析识别代码中不安全使用系统调用返回值的模式，并在运行时施加保护。实验证明，Emilia 能够有效识别漏洞，且性能开销较低。该工作为在 TEE 中安全复用遗留代码提供了新的思路，对系统安全研究者和 TEE 应用开发者具有参考价值。
💡 推荐理由: 该研究揭示了在 TEE 中使用遗留代码时被忽视的 Iago 攻击面，并提出自动化检测与防御方法，对提升 SGX 等机密计算环境的安全性有重要意义。
🎯 建议动作: 研究跟进
本文实证研究了在Intel SGX2安全区内运行Arrow-native DataFrame引擎Polars的性能特性。作者使用Gramine作为LibOS，在TPC-H SF30基准测试集（约22-73 GB）和Azure Blob Storage环境下，测量了端到端、仅查询和表加载三种性能开销。实验发现，端到端开销相对稳定在1.49-1.56倍，但分解后显示：仅查询开销从1.51-1.52倍下降至1.43-1.44倍，而表加载开销则从2.27倍上升至4.07倍，说明数据摄入是主要瓶颈。查询级分析显示，中位数SGX减速为1.45倍，最大2.57倍，部分查询因状态性EPC压力出现运行时间剧烈波动。此外，比较了Polars的惰性（lazy）与急切（eager）两种API，惰性执行整体快2.25-2.27倍，而急切执行在41 GB及以上时因内存不足失败。与近期DuckDB-SGX2研究对比，结果表明SGX2支持Arrow-native分析处理的额外开销与SQL引擎相当，但加载路径放大和API级优化是影响端到端性能的主要因素。该研究为机密分析工作负载在TEE中的部署提供了定量参考。
💡 推荐理由: 该研究首次量化了现代Arrow-native数据框架Polars在Intel SGX2中的性能开销，揭示了表加载和API选择的关键影响，为机密数据分析场景的工程优化提供实证依据。
🎯 建议动作: 研究跟进
该论文研究的是在 Intel SGX（Software Guard Extensions）飞地中，异常处理机制的安全性。SGX 是一种硬件隔离技术，允许应用程序在称为飞地的隔离区域中执行，保护代码和数据免受恶意操作系统的攻击。然而，异常（如除零、页错误等）是 CPU 产生的硬件事件，通常由操作系统（OS）处理，然后通过信号或异常处理接口传递给用户程序。在 SGX 环境下，飞地代码不信任 OS，但 OS 仍然负责处理硬件异常，并将其转交给飞地的异常处理器。这种设计引入了安全风险：恶意的 OS 可能操纵异常处理流程，破坏飞地的机密性和完整性。论文提出的 SmashEx 攻击利用了这一攻击面，通过精心构造的异常序列或异常处理中的漏洞，来泄露飞地内部数据或执行任意代码。实验表明，该攻击能够有效绕过 SGX 的隔离保护。该研究揭示了硬件辅助安全飞地在异常处理方面的根本性缺陷，对系统安全领域有重要影响。适合安全研究员、系统开发者以及关注可信执行环境的从业者阅读。
💡 推荐理由: 该研究首次系统性地分析了 SGX 飞地异常处理的安全缺陷，曝光了可信执行环境中的一个关键攻击面，对依赖 SGX 的云安全、数据保护方案构成直接威胁。
🎯 建议动作: 研究跟进