[论文解读] KLEESPECTRE: Detecting Information Leakage through Speculative Cache Attacks via Symbolic Execution

Guanhua Wang, Sudipta Chattopadhyay+3 more|arXiv (Cornell University)|Sep 2, 2019

Security and Verification in Computing参考文献 19被引用 9

一句话总结

KLEESpectre 是一个符号执行框架，通过扩展 KLEE 以支持推测执行和缓存行为的微架构建模，检测通过 Spectre 风格攻击的侧信道信息泄露。通过建模符号化的缓存冲突并追踪推测执行回滚后秘密数据在缓存中的持久性，该框架能够以更高的精度检测缓存侧信道漏洞，优于传统符号执行方法。

ABSTRACT

Spectre attacks disclosed in early 2018 expose data leakage scenarios via cache side channels. Specifically, speculatively executed paths due to branch mis-prediction may bring secret data into the cache which are then exposed via cache side channels even after the speculative execution is squashed. Symbolic execution is a well-known test generation method to cover program paths at the level of the application software. In this paper, we extend symbolic execution with modelingof cache and speculative execution. Our tool KLEESPECTRE, built on top of the KLEE symbolic execution engine, can thus provide a testing engine to check for the data leakage through cache side-channel as shown via Spectre attacks. Our symbolic cache model can verify whether the sensitive data leakage due to speculative execution can be observed by an attacker at a given program point. Our experiments show that KLEESPECTREcan effectively detect data leakage along speculatively executed paths and our cache model can further make the leakage detection much more precise.

研究动机与目标

• 为解决现有符号执行工具无法建模推测执行和缓存侧信道行为而导致的漏洞检测空白，这些行为可被用于 Spectre 风格攻击。
• 检测通过推测执行路径发生的信息泄露，其中敏感数据可能被加载到缓存中并在回滚后仍持久存在。
• 通过精确的缓存建模增强符号执行，以提高对微架构漏洞检测的准确性。
• 提供一个可复现的开源框架，用于检测和分析真实软件中的推测缓存侧信道漏洞。
• 实现自动验证：在推测执行被回滚后，秘密数据是否可通过缓存侧信道被外泄。

提出的方法

• 扩展符号执行，支持四种分支结果情形：已执行/正确预测、已执行/预测错误、未执行/正确预测、未执行/预测错误，重点聚焦于因缓存侧信道风险而预测错误的路径。
• 通过追踪对具体或符号地址的内存访问，以符号化方式建模缓存行为，将缓存组冲突表示为符号公式。
• 使用约束求解技术判断在推测执行期间加载的秘密数据在回滚后是否仍存在于缓存中，从而指示潜在的侧信道暴露。
• 将符号化缓存模型集成到 KLEE 符号执行引擎中，支持带有微架构语义的路径探索。
• 通过分析缓存访问模式的时间差异是否可观察到秘密数据，应用该模型检测缓存侧信道泄漏。
• 使用符号执行生成测试输入，以探索推测路径并验证敏感数据在缓存中的持久性。

实验结果

研究问题

• RQ1 符号执行能否被扩展以建模推测执行和缓存行为，从而检测侧信道漏洞？
• RQ2 以符号化方式建模缓存冲突是否能提高检测 Spectre 风格信息泄露的精度？
• RQ3 所提出的框架能否在真实世界的密码学软件中检测到缓存侧信道泄漏？
• RQ4 与传统符号执行相比，集成推测执行和缓存建模如何影响检测精度？
• RQ5 符号化缓存模型在识别推测回滚后缓存中持久存在的秘密数据方面效果如何？

主要发现

• KLEESpectre 在合成的 litmus 测试和真实世界密码学库（如 libTomCrypt、OpenSSL 和 hpn-ssh）中成功检测到通过推测缓存侧信道的信息泄露。
• 符号化缓存模型显著提高了检测精度，能够识别秘密数据在推测执行回滚后是否仍存在于缓存中。
• KLEESpectre 识别出传统符号执行工具因缺乏微架构建模而遗漏的漏洞。
• 该工具检测到在程序中秘密数据被推测加载且仍可通过缓存访问时间差异的侧信道被访问的情况。
• 评估结果表明，与不建模推测执行或缓存行为的先前工作相比，KLEESpectre 能以更高的准确度检测到 Spectre 风格攻击。
• 该工具的实现和所有基准测试均可在 https://github.com/winter2020/kleespectre 公开获取，支持可复现性与进一步研究。