基于样本增强的对抗性训练方法,用于应对规避型光谱攻击

《Engineering Applications of Artificial Intelligence》:Sample augmentation-based adversarial training method to counter evasive spectre attacks

【字体: 大 中 小 】 时间:2025年12月30日 来源:Engineering Applications of Artificial Intelligence 8

编辑推荐:

  微架构攻击利用处理器级漏洞窃取敏感数据,AI辅助检测虽低开销但易被规避变种攻击。本文提出Evasive Spectre变种,通过可控延迟绕过现有HPC检测器,并构建基于对抗训练的样本增强框架,融合多HPC特征提升检测鲁棒性,在Intel和AMD平台上实现99%+检测精度,仅1.7%最大开销。

  
钟凯同|姜高|袁德宇|刘刚
中国公安大学公安部安全预防技术与风险评估重点实验室,北京,102623,中国

摘要

微架构攻击利用处理器级别的细微漏洞来提取敏感数据,对现代硬件安全构成了持续的挑战。尽管利用硬件性能计数器(HPCs)的人工智能(AI)辅助检测提供了一种低开销的防御手段,但在面对故意掩盖其微架构特征的规避变体时,其可靠性仍然有限。在这项工作中,我们提出了“规避Spectre”(Evasive Spectre)。这种新型的Spectre变体结合了受控延迟操作,以绕过最先进的基于HPC的AI检测器,从而暴露了现有检测系统中的固有弱点。为了缓解这些限制,我们提出了一种基于样本增强的对抗训练框架,通过定期注入对抗样本并利用组合的HPC特征表示来提高模型的鲁棒性。在Intel i7-7700和AMD Ryzen 7-4800H平台上的实验表明,针对Spectre和提出的Evasive Spectre的检测准确率超过了99%,最大运行时开销仅为1.7%。这些结果展示了一种轻量级、可扩展且强大的防御范式,推动了在AI驱动时代对抗学习在智能硬件安全中的应用。

引言

在信息安全领域,硬件传统上被视为本质上是可信的。然而,由于对高性能计算的需求,现代处理器越来越多地采用了诸如共享缓存、推测执行和乱序执行等优化技术。虽然这些机制显著提高了计算效率,但它们也引入了微妙的微架构侧信道,攻击者可能利用这些侧信道泄露敏感信息。一个典型的例子是缓存侧信道攻击,它利用共享缓存中的时间差异来推断秘密数据。诸如Flush+Reload(Yarom和Falkner,2014年)和Flush+Flush(Gruss等人,2016年)之类的变体表明,攻击者可以在不直接访问内存的情况下恢复加密密钥和私人信息。随着这些攻击的不断发展,它们的精确度、效率和架构通用性都有了显著提高。
在这些威胁中,Spectre仍然是最具影响力和持久性的攻击之一。它利用推测执行——一种预测并预执行指令的性能优化技术——来触发错误预测路径上的临时执行,随后通过残余的微架构状态(如缓存修改)泄露特权数据。Spectre的实用性已在多种现实世界场景中得到验证,包括基于JavaScript的密钥提取和云平台中虚拟机隔离的破坏,并且影响了多个处理器家族,包括Intel x86、Advanced RISC Machine(ARM)和International Business Machines Corporation(IBM)POWER(Prout等人,2018年)。
为了缓解类似Spectre的攻击,研究人员在软件和硬件层面提出了多种防御措施。基于软件的工具(如Teapot(Lin等人,2025年)可以检测推测执行模式,但会带来较大的运行时开销,这限制了它们在对延迟敏感环境中的适用性。基于硬件的防御措施(如SCSGuardian(Cheng等人,2025年)虽然提供了更高的精确度,但需要广泛的架构修改,并导致5%–30%的性能下降(Tong等人,2022年)。这些权衡突显了对高效、广泛部署且与架构无关的检测机制的需求。
尽管取得了显著进展,现有的基于AI的检测框架仍然面临几个关键限制。大多数先前的研究忽略了那些故意操纵执行时间或注入延迟操作以掩盖行为特征并绕过检测的规避微架构攻击。即使承认了这些规避行为,有效的对策仍然有限,导致在实际部署中的鲁棒性降低和泛化能力差。此外,许多方法依赖于单一的HPC事件作为主要检测特征,使它们容易受到噪声和时间扰动的影响。总的来说,这些限制削弱了基于AI的微架构攻击检测在动态威胁环境中的可靠性和适应性。
为了解决这些挑战,本文提出了一种基于样本增强的对抗训练框架,旨在提高AI驱动的Spectre检测的鲁棒性。所提出的方法确定了特定于平台的对抗采样间隔,并将对抗样本集成到训练流程中,从而在引入相对较低的计算开销的同时增强了模型的泛化能力。此外,通过结合HPC特征,该框架能够捕捉更丰富的微架构行为,提高检测可靠性并减少所需的对抗样本数量。总体而言,这项研究提出了一种轻量级、自适应且具有弹性的防御范式,缩小了理论对抗学习与实际微架构攻击检测之间的差距,有助于推进智能和强大的硬件安全机制的发展。本研究的主要贡献如下:
  • •
    开发了一种规避Spectre的变体:通过重新设计其缓存侧信道组件,降低了在基于HPC的AI系统下的可检测性。该攻击在典型环境噪声下仍然有效,从而揭示了现有防御措施未能充分解决的检测盲点。
  • •
    对AI检测器对基于时间的规避策略的新的分析:我们系统地分析了硬件平台特性如何影响基于时间的规避策略的有效性。实验结果表明,具有较大缓存容量的高性能处理器对提出的Evasive Spectre变体更加敏感,突显了规避行为的平台依赖性。
  • •
    通过样本增强进行对抗检测:我们引入了一种基于对抗训练的检测框架,定期将增强样本纳入模型训练过程,以提高对规避模式的鲁棒性。所提出的方法支持在多种运行时环境中可靠地检测Spectre和Evasive Spectre变体。
  • •
    通过组合HPC事件进行特征级优化:为了提高检测效率并减少生成对抗样本的开销,我们提出了一种特征级优化策略,该策略整合了多个HPC事件。这种方法在Intel i7-7700上将所需的对抗样本数量减少了多达50%,在AMD R7上减少了多达94%,从而增强了防御框架的可扩展性和实际应用性。

章节片段

背景

现代处理器采用诸如推测执行和乱序执行等激进优化技术来提高性能。然而,这些机制也引入了可以被利用来进行数据泄露的微妙微架构漏洞。Spectre攻击通过操纵分支预测器来诱导推测执行并改变缓存状态,从而实现敏感数据的侧信道提取(Kocher等人,2020年)。这两个主要

构建规避Spectre的策略

为了在逃避检测的同时保持高成功率,攻击者必须重新设计Spectre攻击,使得生成的HPC轨迹与标准攻击的轨迹有显著不同。先前的工作(表1)表明,Spectre检测主要依赖于与缓存活动和分支预测相关的硬件性能事件。因此,影响这些组件的操作为规避提供了潜在途径。在实践中,攻击者可能会增加或减少

对抗训练策略设计

本研究提出的Evasive Spectre策略表明,在Spectre攻击的缓存侧信道攻击组件中引入微妙的延迟可以有效地绕过基于HPC的检测机制。这一发现暴露了当前Spectre检测研究中的一个关键漏洞,并强调了需要更强大的防御机制。为了缓解这一威胁,我们对提高基于HPC的

实验设置

在这项研究中,我们在具有不同微架构的多个硬件平台上评估了所提出的基于样本增强的对抗训练方法的有效性。实验平台包括Intel i5-7200U、Intel i7-7700和AMD R7-4800H。i5-7200U配备了3 MB的末级缓存,而i7-7700和R7-4800H各自配备了8 MB的缓存。所有系统都运行了Ubuntu 16.04。HPC的数据是通过Linux perf接口使用perf_event_open收集的

确定对抗样本的初始采样间隔

先前的研究表明,当延迟达到10μs时,无论使用何种平台,攻击检测都会受到影响。因此,本研究首先将延迟为10μs的规避攻击样本纳入训练集进行对抗训练。然后逐步添加更多样本,直到数据集全面覆盖所有潜在的规避攻击变体。本研究中的10μs延迟对抗样本包括单步、双步和多步延迟

结论

以往依赖于各种硬件性能事件的Spectre攻击检测方法,可以通过在Spectre攻击的缓存侧信道组件中引入最小延迟来轻松规避,这类似于蝴蝶效应。这一漏洞凸显了当前基于硬件的检测方法的局限性。本文提出的Evasive Spectre在具有高性能硬件和大容量缓存的平台上带来了显著的安全风险。

CRediT作者贡献声明

钟凯同:撰写 – 审稿与编辑,撰写 – 原稿,可视化,验证,软件,资源,项目管理,方法论,资金获取,形式分析,数据整理,概念化。姜高:撰写 – 审稿与编辑,监督。袁德宇:撰写 – 审稿与编辑,资金获取。刘刚:撰写 – 审稿与编辑,项目管理。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:钟凯同报告称,他的行政支持和文章发表费用由中国高等教育机构的学科创新引用基地提供。如果有其他作者,他们声明没有已知的可能会影响本研究报告工作的财务利益或个人关系

致谢

本工作得到了中国中央高校基本科研业务费的支持。项目名称:基于大型模型的欺诈网页分类与识别技术研究(2025JKF02ZK12)。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号