[论文解读] Glider: A GPU Library Driver for Improved System Security

Ardalan Amiri Sani, Lin Zhong+1 more|arXiv (Cornell University)|Nov 14, 2014

Security and Verification in Computing参考文献 37被引用 4

一句话总结

Glider 提出了一种库驱动架构，将 GPU 设备资源管理移至不受信任的用户空间库中，同时通过一个最小化的可信内核模块隔离硬件访问。该方法将可信计算基（TCB）减少了 35–90%，并提升了 OpenGL 立即模式等 I/O 密集型工作负载的性能，证明了安全性和效率在 GPU 驱动中可以共存。

ABSTRACT

Legacy device drivers implement both device resource management and isolation. This results in a large code base with a wide high-level interface making the driver vulnerable to security attacks. This is particularly problematic for increasingly popular accelerators like GPUs that have large, complex drivers. We solve this problem with library drivers, a new driver architecture. A library driver implements resource management as an untrusted library in the application process address space, and implements isolation as a kernel module that is smaller and has a narrower lower-level interface (i.e., closer to hardware) than a legacy driver. We articulate a set of device and platform hardware properties that are required to retrofit a legacy driver into a library driver. To demonstrate the feasibility and superiority of library drivers, we present Glider, a library driver implementation for two GPUs of popular brands, Radeon and Intel. Glider reduces the TCB size and attack surface by about 35% and 84% respectively for a Radeon HD 6450 GPU and by about 38% and 90% respectively for an Intel Ivy Bridge GPU. Moreover, it incurs no performance cost. Indeed, Glider outperforms a legacy driver for applications requiring intensive interactions with the device driver, such as applications using the OpenGL immediate mode API.

研究动机与目标

• 解决大型复杂 GPU 设备驱动在单体内核中作为攻击向量所带来的日益增长的安全风险。
• 通过将设备资源管理与隔离逻辑分离，减少可信计算基（TCB）和攻击面。
• 通过在用户空间运行资源管理的库驱动模型，实现安全且高性能的 GPU 访问。
• 在实际 GPU（如 Radeon HD 6450 和 Intel Ivy Bridge）上证明该方法的可行性及性能优势。
• 识别并验证硬件前提条件——内存隔离、无害接口、可追溯中断——以实现对旧驱动的库驱动改造。

提出的方法

• 将现有 GPU 驱动分解为两部分：用于硬件隔离的最小可信内核模块，以及用于资源管理的不可信用户空间设备库。
• 利用现有的硬件特性（如 IOMMU）实现内存隔离，以及硬件上下文分离，以支持安全的资源绑定。
• 将现有的开源 GPU 驱动（Radeon、Intel）改造为库驱动形式，保留功能的同时最小化内核代码。
• 使用 mmap 和 brk 等系统调用进行内存记账，确保操作系统能够监控设备内存使用情况。
• 实现设备内核模块，通过低级、窄接口中介访问，相比完整驱动显著减少攻击面。
• 通过 OpenGL 立即模式和缓冲区分配基准测试进行性能评估，以衡量开销与性能提升。

实验结果

研究问题

• RQ1 能否在不损害隔离安全性的前提下，将设备资源管理从内核空间安全地迁移到用户空间库？
• RQ2 实现旧 GPU 驱动向库驱动模型安全改造所需的硬件特性有哪些？
• RQ3 与传统驱动相比，库驱动在多大程度上能减少 TCB 大小和攻击面？
• RQ4 库驱动模型是否会引入性能开销，还是能在 I/O 密集型工作负载中优于旧驱动？
• RQ5 与单体驱动相比，库驱动模型在内存记账、调试和进程间共享方面有何影响？

主要发现

• 对于 Radeon HD 6450 GPU，Glider 将 TCB 大小减少了约 35%，攻击面减少了 84%。
• 对于 Intel Ivy Bridge GPU，TCB 大小减少了约 38%，攻击面减少了 90%。
• 在涉及密集交互的工作负载（如 OpenGL 立即模式渲染）中，Glider 由于消除了系统调用和数据拷贝，性能优于旧驱动。
• 库驱动未引入性能开销，并在 I/O 密集场景中表现出可测量的性能提升。
• 该方法实现了更好的内存记账，因为所有设备内存分配现在均可通过 mmap 和 brk 等标准操作系统接口可见。
• 该方法通过支持使用用户空间调试工具和高级语言，简化了驱动开发，提高了可维护性，并减少了时序错误。