論文の概要: FastSpec: Scalable Generation and Detection of Spectre Gadgets Using Neural Embeddings

• arxiv url: http://arxiv.org/abs/2006.14147v2
• Date: Fri, 26 Mar 2021 15:56:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 04:33:14.525050
• Title: FastSpec: Scalable Generation and Detection of Spectre Gadgets Using Neural Embeddings
• Title（参考訳）: FastSpec: ニューラルネットワークを用いたスペクトルガジェットの生成と検出
• Authors: M. Caner Tol, Berk Gulmezoglu, Koray Yurtseven and Berk Sunar
• Abstract要約: 我々は、Spectreガジェットの生成と検出を自動化するためにファジィとディープラーニングの両方技術を採用している。 まず、これまでに構築された最大のSpectreガジェットデータセットである100万台以上のSpectre-V1ガジェットからなるデータセットを作成します。 本稿では,GANのマスキング実装を活用したSpectreGANを紹介した。
• 参考スコア（独自算出の注目度）: 8.193727096199126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Several techniques have been proposed to detect vulnerable Spectre gadgets in widely deployed commercial software. Unfortunately, detection techniques proposed so far rely on hand-written rules which fall short in covering subtle variations of known Spectre gadgets as well as demand a huge amount of time to analyze each conditional branch in software. Moreover, detection tool evaluations are based only on a handful of these gadgets, as it requires arduous effort to craft new gadgets manually. In this work, we employ both fuzzing and deep learning techniques to automate the generation and detection of Spectre gadgets. We first create a diverse set of Spectre-V1 gadgets by introducing perturbations to the known gadgets. Using mutational fuzzing, we produce a data set with more than 1 million Spectre-V1 gadgets which is the largest Spectre gadget data set built to date. Next, we conduct the first empirical usability study of Generative Adversarial Networks (GANs) in the context of assembly code generation without any human interaction. We introduce SpectreGAN which leverages masking implementation of GANs for both learning the gadget structures and generating new gadgets. This provides the first scalable solution to extend the variety of Spectre gadgets. Finally, we propose FastSpec which builds a classifier with the generated Spectre gadgets based on a novel high dimensional Neural Embeddings technique (BERT). For the case studies, we demonstrate that FastSpec discovers potential gadgets with a high success rate in OpenSSL libraries and Phoronix benchmarks. Further, FastSpec offers much greater flexibility and time-related performance gain compared to the existing tools and therefore can be used for gadget detection in large-scale software.
• Abstract（参考訳）: 広くデプロイされた商用ソフトウェアにおいて、脆弱なspectreガジェットを検出するいくつかの技術が提案されている。 残念なことに、これまで提案された検出技術は手書きのルールに依存しており、既知のspectreガジェットの微妙なバリエーションをカバーするだけでなく、ソフトウェアの各条件分岐を分析するのに膨大な時間を必要とする。 さらに、検出ツールの評価は、新しいガジェットを手動で作らなければならないため、これらのガジェットのごく一部のみに基づいている。 本研究では、ファジングと深層学習技術を用いて、spectreガジェットの生成と検出を自動化する。 私たちはまず、既知のガジェットに摂動を導入することで、様々なSpectre-V1ガジェットを作ります。 突然変異ファジングを用いて、これまでに構築された最大のSpectreガジェットデータセットである100万台以上のSpectre-V1ガジェットでデータセットを作成する。 次に,人的相互作用を伴わないアセンブリコード生成の文脈において,GAN(Generative Adversarial Networks)の最初のユーザビリティ調査を行う。 我々は,ガジェット構造学習と新しいガジェット生成の両方にganのマスキング実装を利用するspectreganを紹介する。 これにより、様々なSpectreガジェットを拡張する最初のスケーラブルなソリューションが提供される。 最後に,新しい高次元ニューラル埋め込み技術(BERT)に基づいて,生成したSpectreガジェットを用いた分類器を構築するFastSpecを提案する。 ケーススタディでは、FastSpecがOpenSSLライブラリやPhoronixベンチマークで高い成功率のガジェットを発見できることを示した。 さらに、FastSpecは既存のツールよりも柔軟性と時間関連のパフォーマンス向上を提供しており、大規模なソフトウェアでガジェット検出に使用できる。

関連論文リスト

• Teapot: Efficiently Uncovering Spectre Gadgets in COTS Binaries [0.8192907805418583]
  本稿では,COTSバイナリで動作する最初のSpectreガジェットスキャナであるTeapotについて述べる。 そこで本研究では,通常の実行と投機シミュレーションのバイナリコードを分離して,実行時の効率を改善する新しい手法であるSpeculation Shadowsを紹介する。
  論文  参考訳（メタデータ） (2024-11-18T14:56:56Z)
• DetToolChain: A New Prompting Paradigm to Unleash Detection Ability of MLLM [81.75988648572347]
  DetToolChainはマルチモーダル大言語モデル(MLLM)のゼロショットオブジェクト検出能力を解き放つ新しいパラダイムである。 提案手法は,高精度検出にヒントを得た検出プロンプトツールキットと,これらのプロンプトを実装するための新しいChain-of-Thoughtから構成される。 DetToolChainを用いたGPT-4Vは,オープン語彙検出のための新しいクラスセットにおいて,最先端のオブジェクト検出器を+21.5%AP50で改善することを示す。
  論文  参考訳（メタデータ） (2024-03-19T06:54:33Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• ASAG: Building Strong One-Decoder-Layer Sparse Detectors via Adaptive Sparse Anchor Generation [50.01244854344167]
  適応スパースアンカージェネレータ(ASAG)の提案により、スパース検出器と密度検出器のパフォーマンスギャップを橋渡しする。 ASAGは、グリッドではなくパッチの動的なアンカーを予測することで、機能競合の問題を軽減する。 提案手法は高密度な手法より優れ,高速かつ高精度なトレードオフを実現する。
  論文  参考訳（メタデータ） (2023-08-18T02:06:49Z)
• Short Paper: Static and Microarchitectural ML-Based Approaches For Detecting Spectre Vulnerabilities and Attacks [0.0]
  投機的侵入は、現代のプロセッサにおける投機的実行設計の脆弱性を悪用する。 現在の最先端検出技術は、これらの脅威を検出するために、微小構造的特徴または脆弱な投機的コードを利用する。 本稿では,静的・微構造解析支援機械学習によるSpectre脆弱性検出手法の総合評価を行う。
  論文  参考訳（メタデータ） (2022-10-26T03:55:39Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Multimodal Graph Learning for Deepfake Detection [10.077496841634135]
  既存のディープフェイク検出器は、堅牢性と一般化を達成する上でいくつかの課題に直面している。 本稿では,マルチモーダルグラフ学習(MGL)という新しいフレームワークを提案する。 提案手法は,ディープフェイク検出のための特徴を効果的に識別し,活用することを目的としている。
  論文  参考訳（メタデータ） (2022-09-12T17:17:49Z)
• MST++: Multi-stage Spectral-wise Transformer for Efficient Spectral Reconstruction [148.26195175240923]
  効率的なスペクトル再構成のためのマルチステージスペクトル変換器(MST++)を提案する。 NTIRE 2022 Spectral Reconstruction Challengeでは、私たちのアプローチが優勝しました。
  論文  参考訳（メタデータ） (2022-04-17T02:39:32Z)
• On the Frequency Bias of Generative Models [61.60834513380388]
  我々は、最先端のGANトレーニングにおいて、高周波アーティファクトに対する提案手法を解析した。 既存のアプローチでは、スペクトルアーティファクトを完全に解決できないことが分かっています。 以上の結果から,識別能力の向上に大きな可能性があることが示唆された。
  論文  参考訳（メタデータ） (2021-11-03T18:12:11Z)
• Active deep learning method for the discovery of objects of interest in large spectroscopic surveys [0.0]
  現在のLAMOST望遠鏡のアーカイブには、おそらく人間の目には見られない何百万ものパイプライン処理されたスペクトルが含まれている。 インタラクティブな可視化と現代的な機械学習技術を組み合わせることで、そのようなオブジェクトを発見する新たな方法が開かれる。 深層畳み込みネットワークが支援するアクティブラーニング分類を適用し, 数百万のスペクトルアーカイブにおいて, 複雑なエミッションライン形状を自動的に識別する。
  論文  参考訳（メタデータ） (2020-09-07T16:27:25Z)
• In search of the weirdest galaxies in the Universe [0.0]
  ワイド銀河(Werd galaxy)は、未知または非常に珍しい特徴を持つ外層であり、通常の試料と異なる。 本研究では、2つの異なる外周検出技術を用いて、奇妙な外周銀河を探索する。 両手法ともデータから重要な特徴を抽出し,様々な種類の外れ値を見つけるために利用できることがわかった。
  論文  参考訳（メタデータ） (2020-07-16T18:00:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。