[論文レビュー] Vulnerable GPU Memory Management: Towards Recovering Raw Data from GPU

Zhe Zhou, Wenrui Diao+4 more|arXiv (Cornell University)|May 21, 2016

Security and Verification in Computing参考文献 9被引用数 4

ひとこと要約

本論文は、現代のシステムにおけるGPUメモリ管理が根本的に不十分であることを明らかにし、アプリケーション終了後に残るGPUメモリ内の生の機密データ——例えば、完全な画像、テキスト、行列——を悪意ある攻撃者が回復可能であることを示している。著者らは、画像データ内の信号処理パターンを活用して、メタデータが存在しない状態でも自動的に画像を検出・再構築する新規手法を開発し、Chrome、Adobe Reader、MATLABなどの一般的なアプリケーションからの回復に成功した。

ABSTRACT

In this paper, we present that security threats coming with existing GPU memory management strategy are overlooked, which opens a back door for adversaries to freely break the memory isolation: they enable adversaries without any privilege in a computer to recover the raw memory data left by previous processes directly. More importantly, such attacks can work on not only normal multi-user operating systems, but also cloud computing platforms. To demonstrate the seriousness of such attacks, we recovered original data directly from GPU memory residues left by exited commodity applications, including Google Chrome, Adobe Reader, GIMP, Matlab. The results show that, because of the vulnerable memory management strategy, commodity applications in our experiments are all affected.

研究の動機と目的

• プロセスおよび仮想マシン間のメモリ隔離を損なうGPUメモリ管理におけるセキュリティ脆弱性を調査すること。
• アプリケーション終了後に残るGPUメモリの残留データから、完全な画像やテキストなどの機密データが回復可能であることを実証すること。
• メタデータが存在しない状態でも、GPUメモリ内の非構造的領域から画像を自動的に検出・再構築できる手法を開発すること。
• コンsumer GPUアクセラレータドアプリケーションおよび仮想化されたクラウド環境において、攻撃の実現可能性を評価すること。

提案手法

• 画像ピクセル内の固有のバイト値パターンを活用し、大容量のGPUメモリ領域（数GB）内に画像に類似するデータが存在するかを検出する。
• 周波数ドメイン解析手法を提案し、行単位の信号類似度に周期的パターンを検出することで、画像のレイアウトを推定する。ここで周期長は画像の幅に対応する。
• 検出されたレイアウトとピクセルパターンを用いて、RGBAやARGBなどのフォーマットが使用されていなくても、品質損失のない画像再構築を実現する。
• 色フォーマットが標準でない場合にも対応するため、アラインメントを保持し、テキスト検出を介して部分的な認識を可能にするアルゴリズムを適応する。
• MATLABの列優先行列格納に起因する断片化されたGPUメモリレイアウトに対しても、変換の逆操作を適用することで対処する。
• 実行後におけるGPUメモリダンプを実施し、残留データから回収可能なデータを解析することで、複数のアプリケーションで手法の有効性を検証した。

実験結果

リサーチクエスチョン

• RQ1 アプリケーション終了後に残るGPUメモリ残留データから、生の機密データ（画像やテキストなど）を回復可能か？
• RQ2 GPUメモリ内にメタデータが存在しない場合、画像のような構造的データの回復がどの程度困難になるか？
• RQ3 信号処理技術を用いることで、フォーマットや構造の事前知識なしに画像のレイアウトと内容を検出可能か？
• RQ4 スタンドアロンおよび仮想化環境における多様で広く使用されているGPUアクセラレータドアプリケーションにおいて、この攻撃はどの程度有効か？
• RQ5 この脆弱性がクラウドコンピューティングおよびマルチテナントGPUプラットフォームに及える影響は何か？

主な発見

• Google ChromeのGPUメモリ残留データから、完全に識別可能な画像——例えば、Webページのアドレスバーとタブキャプション——を回復した。これにより、ブラウジング履歴が直接露呈された。
• Adobe Readerで処理されたPDFドキュメントからのテキスト断片が回復され、ユーザー名やメールタイトルが含まれており、個人情報の漏洩を示した。
• MATLABでは、画像断片が再構築され再編集され、アルゴリズムが列優先メモリレイアウトに起因する対角的転置を正しく特定・逆転した。
• 非標準色フォーマットが使用されていても、高精度な再構築が可能であり、テキスト認識とレイアウト再構築により、高い識別性を維持した。
• GIMP、MATLAB、Adobe Readerなど複数のGPUアクセラレータドアプリケーションにおいて攻撃が有効であった。これにより、コンsumer GPUワークロードにおける広範な脆弱性が確認された。
• 脆弱性はクラウドおよび仮想化環境にも及び、攻撃者は他の仮想マシンのGPUメモリにアクセス可能であり、脅威の表面を著しく拡大している。