[논문 리뷰] Hot Pixels: Frequency, Power, and Temperature Attacks on GPUs and ARM SoCs

Hritvik Taneja, Jason Z. Kim외 4명|arXiv (Cornell University)|2023. 05. 22.

Security and Verification in Computing인용 수 6

한 줄 요약

이 논문은 열 또는 전력 제약 하에서 DVFS 메커니즘으로 인해 소프트웨어에서 접근 가능한 주파수, 전력, 온도 센서를 통해 GPU와 ARM SoC가 민감한 정보를 泄露한다는 것을 입증한다. 저자들은 JavaScript 기반 공격—픽셀 도용, 이력 스니핑, 웹사이트 지문 분석—을 통해 이러한 사이드 채널을 악용하여, 모든 대응 조치가 시행된 상황에서도 웹사이트 분류 정확도가 최상위 5개 기준으로 76%에 이를 정도로 높은 정확도를 달성한다.

ABSTRACT

The drive to create thinner, lighter, and more energy efficient devices has resulted in modern SoCs being forced to balance a delicate tradeoff between power consumption, heat dissipation, and execution speed (i.e., frequency). While beneficial, these DVFS mechanisms have also resulted in software-visible hybrid side-channels, which use software to probe analog properties of computing devices. Such hybrid attacks are an emerging threat that can bypass countermeasures for traditional microarchitectural side-channel attacks. Given the rise in popularity of both Arm SoCs and GPUs, in this paper we investigate the susceptibility of these devices to information leakage via power, temperature and frequency, as measured via internal sensors. We demonstrate that the sensor data observed correlates with both instructions executed and data processed, allowing us to mount software-visible hybrid side-channel attacks on these devices. To demonstrate the real-world impact of this issue, we present JavaScript-based pixel stealing and history sniffing attacks on Chrome and Safari, with all side channel countermeasures enabled. Finally, we also show website fingerprinting attacks, without any elevated privileges.

연구 동기 및 목표

• 현대의 GPU와 ARM SoC가 DVFS 메커니즘으로 인해 소프트웨어에서 접근 가능한 주파수, 전력, 온도 센서를 통해 정보를 泄露하는지 조사한다.
• 외부 측정 장치 없이 내부 센서 데이터만을 사용하여 사이드 채널 공격을 수행할 수 있는지 타당성을 평가한다.
• 모든 대응 조치가 적용된 상태에서도 브라우저(Chrome 및 Safari 포함)에서 픽셀 도용, 이력 스니핑, 웹사이트 지문 분석과 같은 실제 개인정보 침해 공격을 구현한다.
• 수동 냉각 및 능동 냉각 방식을 가진 다양한 기기 유형 간에 지시어/데이터 패턴과 관측 가능한 센서 행동 간의 상관관계를 분석한다.

제안 방법

• ARM SoC와 GPU에서 내부 센서를 사용하여 지시어 및 데이터에 따라 주파수, 전력, 온도의 변동을 측정한다.
• 작업자 간의 차이를 관련 지어 전력, 주파수, 열 변화와 연관짓기 위해 해밍 거리(Hamming Distance, HD) 모델을 사용하여 CPU 유출을 모델링한다.
• 다양한 웹사이트의 센서 트레이스를 기반으로 웹사이트 지문 분석 분류기를 훈련시키며, 평가 지표로는 상위 1개, 상위 2개, 상위 5개 정확도를 사용한다.
• JavaScript를 사용하여 브라우저 기반 픽셀 도용 및 이력 스니핑 공격을 구현하며, 데이터 의존적 주파수 타이밍 조절을 타이밍 채널로 활용한다.
• JavaScript에서의 타이밍 측정을 통해 관측 가능한 주파수 변동을 바탕으로 픽셀 값 또는 브라우징 이력을 유추한다.
• 다양한 기기(예: Mac Mini, MacBook Air)와 냉각 조건에서 공격 성능을 평가하여 공격의 강건성과 일반화 능력을 분석한다.

Figure 1 : Traces of frequency (top), power (middle), and temperature (bottom) from running our selected workloads on a MacBook Air with Apple M1 CPU. The aes curve represents the aese and aesmc instructions.

실험 결과

연구 질문

• RQ1 소프트웨어 전용 사이드 채널 공격가 GPU와 ARM SoC에서 내부 센서 읽기만을 사용하여 주파수, 전력, 온도를 기반으로 수행될 수 있는가?
• RQ2 지시어 및 데이터 패턴이 DVFS 제어 장치에서 관측 가능한 주파수, 전력, 열 행동에 얼마나 큰 영향을 미치는가?
• RQ3 이러한 센서 기반 사이드 채널이 브라우저 환경에서 웹사이트 지문 분석, 픽셀 도용, 이력 스니핑을 수행하는 데 악용될 수 있는가?
• RQ4 냉각 방식(수동 대비 능동)이 이러한 사이드 채널의 탐지 가능성과 유출률에 어떤 영향을 미치는가?
• RQ5 실제 시스템에서 이러한 공격의 실용적 한계와 잠재적 대응 조치는 무엇인가?

주요 결과

• 능동 냉각을 하는 Mac Mini의 검증 데이터에서 분류기는 상위 5개 정확도 0.76를 달성하여 강력한 웹사이트 지문 분석 능력을 입증하였다.
• 수동 냉각을 하는 MacBook Air에서는 열역학적 특성과 콘텐츠 변화로 인해 상위 5개 정확도가 0.49로 떨어졌지만, 기준값(0.01)보다 약 10배 이상 높은 수준을 유지하였다.
• 열 제약이 있는 장치에서는 느린 열 평형과 작은 주파수/전력 변동으로 인해 유출률이 약 0.1 비트/초로 제한된다.
• 데이터 의존적 주파수 타이밍 조절은 JavaScript 타이밍 채널을 통해 관측 가능하며, 모든 사이드 채널 대응 조치가 시행된 상태에서도 픽셀 도용 및 이력 스니핑 공격이 가능하다.
• Mac Mini와 같은 기기에서의 능동 냉각은 데이터 의존적 주파수 변화를 방지하므로, 냉각 전략이 공격 가능성을 크게 영향을 미친다는 점을 시사한다.
• 해밍 거리 모델은 CPU와 GPU 양쪽에서 작업자 간의 차이와 관측된 전력, 주파수, 온도 변화 간에 측정 가능한 상관관계를 보였다.

Figure 2 : Frequency (top), power (middle), and temperature (bottom) from add and fadd workloads on Pixel 6 Pro.