[논문 리뷰] Hide and Seek with Spectres: Efficient discovery of speculative information leaks with random testing

Oleksii Oleksenko, Marco Guarnieri외 2명|arXiv (Cornell University)|2023. 01. 18.

Security and Verification in Computing인용 수 6

한 줄 요약

이 논문은 모델 기반의 무작위 테스팅 접근법을 제안하여, 사전 검사 및 관찰 필터링을 통한 비효율적 테스트 케이스 제거와 계약 기반 입력 생성을 통해 x86 CPU에서의 사전 정보 유출을 블랙박스로 탐지하는 데 속도를 높인다. 이 방법은 최신 기술 대비 최대 100배의 성능 향상을 달성하여, 이전에 알려지지 않은 Intel 및 AMD CPU의 두 가지 새로운 사전 유출을 발견할 수 있는 깊이 있는 테스트 캠프ain을 가능하게 한다.

ABSTRACT

Attacks like Spectre abuse speculative execution, one of the key performance optimizations of modern CPUs. Recently, several testing tools have emerged to automatically detect speculative leaks in commercial (black-box) CPUs. However, the testing process is still slow, which has hindered in-depth testing campaigns, and so far prevented the discovery of new classes of leakage. In this paper, we identify the root causes of the performance limitations in existing approaches, and propose techniques to overcome these limitations. With these techniques, we improve the testing speed over the state-of-the-art by up to two orders of magnitude. These improvements enable us to run a testing campaign of unprecedented depth on Intel and AMD CPUs. As a highlight, we discover two types of previously unknown speculative leaks (affecting string comparison and division) that have escaped previous manual and automatic analyses.

연구 동기 및 목표

• 사전 유출에 대한 모델 기반 관계 테스팅에서 성능 저하 문제를 해결하여 테스트 캠프ain의 깊이와 넓이를 증가시키는 것.
• 사전 검사나 관찰 가능성이 낮은 곳에서 비효율적 테스트 케이스를 조기에 식별하고 제거하는 것.
• 테스트 커버리지와 효율성을 크게 향상시켜 이전에 알려지지 않은 사전 유출 유형을 발견할 수 있도록 하는 것.
• 비가능한 테스트 케이스에 대해 비용이 많이 드는 기호적 실행을 피하기 위한 경량이고 하드웨어 인식 필터링 기법을 개발하는 것.
• 최소한의 하드웨어 신호와 결정론적 입력 생성을 사용하여 상용 CPU에서 고속도, 깊이 있는 테스트가 가능하다는 것을 입증하는 것.

제안 방법

• 사전 검사 필터링은 CPU 성능 카운터를 사용하여 테스트 실행 중 사전 검사 오류를 감지하고, 일시적 명령어 실행을 포함하지 않는 테스트 케이스를 기각한다.
• 관찰 필터링은 각 명령어 뒤에 순서화 장벽을 삽입하고, 원본 및 순서화된 버전 간의 하드웨어 트레이스를 비교하여 사전 검사 효과가 관찰 가능한지 확인한다.
• 계약 기반 입력 생성은 의존성 추적을 사용하여 동일한 모델 트레이스를 생성하는 입력 쌍을 식별하여, 모델 트레이스와 하드웨어 트레이스 간의 유효한 비교를 보장한다.
• 이러한 필터를 모델 기반 테스팅 프레임워크에 통합하여 기호적 실행이나 사이드 채널 측정이 필요한 테스트 케이스 수를 크게 줄인다.
• 테스트 케이스는 무작위로 생성되지만, 사전 유출을 탐지하기 위해 필요한 세 가지 조건을 충족하지 못하면 조기에 제거된다: 사전 검사, 관찰 가능한 유출, 동일한 모델 트레이스.
• 이 방법은 Revizo 프레임워크 위에 구현되었으며, x86 CPU를 대상으로 하여 대규모 고속도 테스트 캠프ain을 가능하게 한다.

실험 결과

연구 질문

• RQ1 사전 검사 및 관찰 필터링 기법이 모델 기반 관계 테스팅에서 비효율적 테스트 케이스 수를 크게 줄일 수 있는가?
• RQ2 계약 기반 입력 생성이 동일한 모델 트레이스를 생성하는 입력 쌍을 생성하는 데 기호적 실행을 대체할 수 있으며, 속도와 정밀도를 유지할 수 있는가?
• RQ3 테스트 처리량이 100배 향상되면 이전에 수동 또는 자동 분석으로 발견되지 않은 새로운 사전 유출 유형을 발견할 수 있는가?
• RQ4 사전 유출을 드러내는 데 유용한 테스트 케이스의 핵심 특성은 무엇이며, 이를 체계적으로 생성하거나 식별할 수 있는가?
• RQ5 최소한의 하드웨어 신호(예: 성능 카운터)를 사용하여 전체 마이크로아키텍처 접근 없이도 자동 테스트 제거를 안내할 수 있는 정도는 어느 정도인가?

주요 결과

• 제안된 방법은 최신 기술 대비 최대 100배의 테스트 성능 향상을 달성하여 이전에는 실현 가능하다고 여겨지지 않았던 대규모 테스트 캠프ain을 가능하게 한다.
• 무작위로 생성된 테스트 케이스-입력 조합 중 유의미한 사전 유출 탐지에 기여하는 비율은 0.5%에 불과하며, 이는 사전 검사율(13%), 관찰 가능한 유출율(7%), 동일한 모델 트레이스율(6%)이 낮기 때문이다.
• 사전 검사 및 관찰 필터링을 활용함으로써 비가능한 후보를 조기에 제거함으로써 전체 유출 분석을 필요로 하는 테스트 케이스 수가 감소한다.
• 계약 기반 입력 생성은 기호적 실행의 성능 비용을 피하면서도 효율적이고 결정론적으로 동일한 모델 트레이스를 생성하는 입력 쌍을 생성할 수 있다.
• 이 방법은 Intel 및 AMD CPU에서 이전에 알려지지 않은 두 가지 새로운 사전 유출 유형을 발견하였으며, 이는 문자열 비교 및 나눗셈 연산과 관련이 있다.
• 테스트 캠프ain은 Intel 및 AMD CPU에서 총 1.3억 번의 테스트 실행을 수행하여, 사전 유출에 대한 깊이 있고 자동화된 블랙박스 분석의 실현 가능성을 입증했다.