[论文解读] AutoLock: Why Cache Attacks on ARM Are Harder Than You Think

Marc Green, Leandro Rodrigues-Lima+4 more|arXiv (Cornell University)|Mar 28, 2017

Security and Verification in Computing参考文献 25被引用 12

一句话总结

本文揭示了AutoLock，一种未公开的ARM缓存优化机制，通过在核心私有缓存中保留包含性最后一级缓存行时阻止跨核心驱逐，从而防御基于驱逐的缓存攻击（如Evict+Reload）。尽管存在此障碍，作者证明通过多行观测技术（如多数投票和加权计数）仍可实现实际攻击，在ARM Cortex-A15上实现完整密钥恢复仅需不到100,000次加密。

ABSTRACT

Attacks on the microarchitecture of modern processors have become a practical threat to security and privacy in desktop and cloud computing. Recently, cache attacks have successfully been demonstrated on ARM based mobile devices, suggesting they are as vulnerable as their desktop or server counterparts. In this work, we show that previous literature might have left an overly pessimistic conclusion of ARM's security as we unveil AutoLock: an internal performance enhancement found in inclusive cache levels of ARM processors that adversely affects Evict+Time, Prime+Probe, and Evict+Reload attacks. AutoLock's presence on system-on-chips (SoCs) is not publicly documented, yet knowing that it is implemented is vital to correctly assess the risk of cache attacks. We therefore provide a detailed description of the feature and propose three ways to detect its presence on actual SoCs. We illustrate how AutoLock impedes cross-core cache evictions, but show that its effect can also be compensated in a practical attack. Our findings highlight the intricacies of cache attacks on ARM and suggest that a fair and comprehensive vulnerability assessment requires an in-depth understanding of ARM's cache architectures and rigorous testing across a broad range of ARM based devices.

研究动机与目标

• 调查为何在理论上可行的情况下，ARM处理器上的基于驱逐的缓存攻击仍经常失败。
• 逆向工程并记录AutoLock，一种在包含性ARM最后一级缓存中未公开的性能特性，该特性阻止跨核心驱逐。
• 开发并评估可绕过AutoLock限制的真实世界攻击场景中的实用对策。
• 提供在真实系统级芯片（SoCs）上检测AutoLock的方法，以支持准确的漏洞评估。
• 倡导对ARM缓存安全进行全面、硬件感知的评估，涵盖多种设备。

提出的方法

• 通过在配备包含性LLC的ARM Cortex-A15上分析缓存行为，并利用用户空间缓存攻击，逆向分析AutoLock。
• 提出三种缓解技术：多数投票、概率滤波和加权计数，以补偿AutoLock的干扰。
• 使用滑动窗口驱逐方法，参数为36-6-2，系统性地驱逐缓存行并测量重载时间。
• 为每条缓存行计算无访问概率 $\tilde{P}_{na}^{l}$，并应用加权评分函数 $S_{l} = 1 - \frac{d_{l}}{1 - P_{na}}$ 以优先选择可靠行。
• 实施五种攻击变体：原始同核与跨核攻击，以及三种改进版本，每种重复100次并使用随机密钥。
• 通过测量随加密次数增加的平均正确恢复密钥字节数，评估成功率。

实验结果

研究问题

• RQ1 为何在存在包含性最后一级缓存的情况下，ARM处理器上的基于驱逐的缓存攻击仍频繁失败？
• RQ2 AutoLock在阻止跨核心缓存驱逐中起什么作用？它如何影响缓存攻击的实际可行性？
• RQ3 多行观测技术能否在真实ARM系统中克服AutoLock施加的限制？
• RQ4 如何在实际ARM系统级芯片上检测AutoLock以支持安全评估？
• RQ5 AutoLock与非包含性缓存层次结构在多大程度上共同限制了ARM上缓存攻击的可行性？

主要发现

• AutoLock在任一核心私有缓存中存在包含性最后一级缓存行时，会阻止跨核心驱逐，严重削弱Evict+Reload、Prime+Probe和Evict+Time攻击的可行性。
• 在启用AutoLock的Cortex-A15上，原始跨核Evict+Reload攻击在400,000次加密后仍无法恢复超过5个密钥字节，原因在于AutoLock的干扰。
• 同核攻击不受AutoLock影响，实现了完整密钥恢复，表明AutoLock专门针对跨核心交互行为。
• 多数投票和加权计数技术使在相同跨核环境下实现完整密钥恢复的时间少于100,000次加密，证明AutoLock的限制可被克服。
• 当与复杂度低于 $2^{32}$ 的暴力搜索结合时，概率滤波方法也在100,000次加密内实现了完整密钥恢复。
• 所提出的改进方法不仅适用于启用AutoLock的处理器，也适用于具有非包含性缓存或无AutoLock的系统，显著增强了攻击的通用鲁棒性。