[論文レビュー] Automatic Extraction of Secrets from the Transistor Jungle using Laser-Assisted Side-Channel Attacks

Thilo Krachenfels, Tüba Kiyan+2 more|arXiv (Cornell University)|Feb 23, 2021

Physical Unclonable Functions (PUFs) and Hardware Security参考文献 51被引用数 4

ひとこと要約

本稿では、レーザー支援サイドチャネル攻撃（SCA）とディープラーニングを組み合わせることで、ハードウェアルートオブトラスト（RoT）デバイスから秘密鍵を自動で抽出する新規で自動化された手法を提示する。既知のデバイスからのブラックボックス測定値を用いて畳み込みニューラルネットワーク（CNN）を訓練することで、ICのレイアウトやメモリセル構造の事前知識がなくても、未知の被害者デバイスからの高精度な鍵抽出が可能となり、20 nm FPGAs や 180 nm マイコンを含む3つの異なるハードウェアプラットフォームで成功を収めた。

ABSTRACT

The security of modern electronic devices relies on secret keys stored on secure hardware modules as the root-of-trust (RoT). Extracting those keys would break the security of the entire system. As shown before, sophisticated side-channel analysis (SCA) attacks, using chip failure analysis (FA) techniques, can extract data from on-chip memory cells. However, since the chip's layout is unknown to the adversary in practice, secret key localization and reverse engineering are onerous tasks. Consequently, hardware vendors commonly believe that the ever-growing physical complexity of the integrated circuit (IC) designs can be a natural barrier against potential adversaries. In this work, we present a novel approach that can extract the secret key without any knowledge of the IC's layout, and independent from the employed memory technology as key storage. We automate the -- traditionally very labor-intensive -- reverse engineering and data extraction process. To that end, we demonstrate that black-box measurements captured using laser-assisted SCA techniques from a training device with known key can be used to profile the device for a later key prediction on other victim devices with unknown keys. To showcase the potential of our approach, we target keys on three different hardware platforms, which are utilized as RoT in different products.

研究の動機と目的

• サイドチャネル攻撃のためのICのリバースエンジニアリングにかかる高コストと人的負荷を軽減すること。
• 従来のサイドチャネル攻撃では、チップのレイアウトやメモリセル設計の詳細な知識が必須であるという制限を克服すること。
• レーザーに基づくサイドチャネル測定値に機械学習を適用して、鍵抽出プロセスを自動化すること。
• 内部構造の事前知識がなくても、多様なハードウェアプラットフォームからの秘密鍵抽出が可能であることを実証すること。
• 現実世界の重要なシステムで使用されるRoTデバイスに適用可能なスケーラブルで汎用的な鍵抽出を可能にすること。

提案手法

• 既知の秘密鍵を持つトレーニングデバイスで、熱的レーザー刺激（TLS）およびレーザー論理状態イメージング（LLSI）を用いたレーザー支援サイドチャネル分析（SCA）技術を活用し、デバイスの動作を取得する。
• レーザースキャン顕微鏡（LSM）を用いて、トレーニングデバイスのブラックボックス測定値を収集し、内部論理状態に関連する一時的応答を記録する。
• これらのラベル付き測定値を用いて畳み込みニューラルネットワーク（CNN）を訓練し、メモリセル内の特定のビット値に関連するパターンを学習する。
• 訓練済みのCNNモデルを、鍵が未知の被害者デバイスに適用し、再トレーニングなしに同じ測定環境を用いる。
• 訓練済みモデルを用いて、レイアウトやセル構造の手動リバースエンジニアリングを回避し、生のLSM画像から直接秘密鍵値を予測する。
• 20 nm FPGA、180 nm マイコン、60 nm FPGA の3つの異なるハードウェアプラットフォーム（いずれもRoT部品として使用）で、このアプローチを検証する。

実験結果

リサーチクエスチョン

• RQ1 既知のデバイスからのレーザー基盤サイドチャネル測定値で訓練されたディープラーニングモデルは、レイアウトの知識がなくても、関連のない被害者デバイスの秘密鍵を正確に予測できるか？
• RQ2 CNNは、異なるICプロセス技術やメモリタイプにわたってどの程度一般化可能であり、未知のデバイスからの秘密情報抽出が可能か？
• RQ3 提案手法により、サイドチャネル攻撃におけるICレイアウトやメモリセルジオメトリの手動リバースエンジニアリングの必要性が排除されるか？
• RQ4 不要なチップ動作やノイズが存在する状況でも、鍵抽出プロセスはどの程度頑健か？
• RQ5 このアプローチは、光学的SCAにとどまらず、他のFA顕微鏡技術にも一般化可能か？

主な発見

• 提案手法は、ICのレイアウトやメモリセル設計の知識が一切ない状態で、20 nm FPGA、180 nm マイコン、60 nm FPGA の3つの異なるハードウェアプラットフォームからの秘密鍵を正常に抽出した。
• 訓練済みのCNNモデルは、被害者デバイスが顕著なバックグラウンド活動や関係のない回路動作を示しても、高精度な鍵予測を達成した。
• このアプローチにより、メモリセルの位置特定やビット値の解釈のための手動リバースエンジニアリングの必要性が排除され、攻撃の複雑さと時間的負荷が顕著に低減された。
• この手法は汎用的かつスケーラブルであり、SRAM や埋め込み非ボラティールメモリを含む、異なるプロセス技術やメモリタイプに適用可能である。
• 攻撃者がターゲットメモリセルの正確な位置や、生の測定値からビット値をどのように復号するかを事前に知らない状況でも、このアプローチは依然として有効である。
• 本研究は、ディープラーニングが、レーザー基盤サイドチャネル攻撃を自動化・一般化可能にし、攻撃者の負荷を最小限のセットアップおよびトレーニングフェーズにまで低減できることを示している。