論文の概要: Randomized Line-to-Row Mapping for Low-Overhead Rowhammer Mitigations

• arxiv url: http://arxiv.org/abs/2308.14907v1
• Date: Mon, 28 Aug 2023 21:22:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 07:22:30.488120
• Title: Randomized Line-to-Row Mapping for Low-Overhead Rowhammer Mitigations
• Title（参考訳）: ローハマー除去のためのランダム化ライン・ツー・ローマッピング
• Authors: Anish Saxena, Saurav Mathur, Moinuddin Qureshi,
• Abstract要約: 最近提案された安全なローハンマーの軽減策は、犠牲者よりも攻撃者に対する緩和措置に頼っている。 本稿では,暗号化アドレスを用いてメモリにアクセスすることにより,行間マッピングにおける空間相関を破るRubixを提案する。 また,行間マッピングを動的に変更するRubix-Dを提案する。
• 参考スコア（独自算出の注目度）: 0.716879432974126
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern systems mitigate Rowhammer using victim refresh, which refreshes the two neighbours of an aggressor row when it encounters a specified number of activations. Unfortunately, complex attack patterns like Half-Double break victim-refresh, rendering current systems vulnerable. Instead, recently proposed secure Rowhammer mitigations rely on performing mitigative action on the aggressor rather than the victims. Such schemes employ mitigative actions such as row-migration or access-control and include AQUA, SRS, and Blockhammer. While these schemes incur only modest slowdowns at Rowhammer thresholds of few thousand, they incur prohibitive slowdowns (15%-600%) for lower thresholds that are likely in the near future. The goal of our paper is to make secure Rowhammer mitigations practical at such low thresholds. Our paper provides the key insights that benign application encounter thousands of hot rows (receiving more activations than the threshold) due to the memory mapping, which places spatially proximate lines in the same row to maximize row-buffer hitrate. Unfortunately, this causes row to receive activations for many frequently used lines. We propose Rubix, which breaks the spatial correlation in the line-to-row mapping by using an encrypted address to access the memory, reducing the likelihood of hot rows by 2 to 3 orders of magnitude. To aid row-buffer hits, Rubix randomizes a group of 1-4 lines. We also propose Rubix-D, which dynamically changes the line-to-row mapping. Rubix-D minimizes hot-rows and makes it much harder for an adversary to learn the spatial neighbourhood of a row. Rubix reduces the slowdown of AQUA (from 15% to 1%), SRS (from 60% to 2%), and Blockhammer (from 600% to 3%) while incurring a storage of less than 1 Kilobyte.
• Abstract（参考訳）: 現代のシステムは、犠牲者のリフレッシュを使用してRowhammerを緩和し、特定の数のアクティベーションに遭遇すると、攻撃者の行の隣人2人をリフレッシュする。 残念なことに、Half-Doubleのような複雑な攻撃パターンは、被害者をリフレッシュし、現在のシステムを脆弱にする。 代わりに、最近提案された安全なローハンマーの緩和は、犠牲者ではなく攻撃者に対する緩和的行動に頼っている。 このようなスキームは行移動やアクセス制御といった緩和的なアクションを採用しており、AQUA、SRS、Blockhammerなどがある。 これらのスキームはローハンマーのしきい値で数千の緩やかな減速しか発生しないが、近い将来の低いしきい値に対して禁止的な減速(15%-600%)を引き起こす。 本稿の目的は,ローハンマーの安全対策をこのような低閾値で実用化することである。 本論文は,空間的に近接する線を同じ列に配置して行バッファのヒット率を最大化するメモリマッピングにより,数千行のホット行(しきい値よりも多くのアクティベーションを受信する)に良質なアプリケーションが遭遇する,重要な知見を提供する。 残念なことに、多くの頻繁に使われる行に対して行がアクティベートされる。 本稿では,暗号化アドレスを用いてメモリにアクセスすることにより,行間マッピングの空間的相関を破るRubixを提案する。 行バッファヒットを助けるために、Rubixは1-4行のグループをランダムにする。 また,行間マッピングを動的に変更するRubix-Dを提案する。 Rubix-Dはホットロウを最小化し、敵が行の空間的近傍を学ぶのをずっと難しくする。 RubixはAQUA(15%から1%)、SRS(60%から2%)、Blockhammer(600%から3%)の減速を減らし、ストレージは1キロバイト未満である。

関連論文リスト

• ImPress: Securing DRAM Against Data-Disturbance Errors via Implicit Row-Press Mitigation [1.3921736520874155]
  DRAM細胞はDDE(Data-Disturbance Errors)に感受性がある Rowhammerは、行が繰り返しアクティベートされたときに発生するよく知られたDDE脆弱性である。 Row-Press(RP)は、行を長時間開いているときに発生する新しいDDE脆弱性である。
  論文  参考訳（メタデータ） (2024-07-22T19:20:14Z)
• Probabilistic Tracker Management Policies for Low-Cost and Scalable Rowhammer Mitigation [5.597216094757414]
  近年、TRRのようなソリューションがDDR4 DRAMにデプロイされ、攻撃行を追跡し、隣の行をリフレッシュすることで緩和作用が発行されている。 このようなDRAM内のソリューションはリソース制約(攻撃行を追跡するために数十のカウンタしかプロビジョニングできない)であり、それらを騙すのに使われた攻撃をスラッシングする傾向がある。 本研究は,資源制約トラッカーを用いた安全でスケーラブルなローハマー緩和を実証する。
  論文  参考訳（メタデータ） (2024-04-24T23:57:58Z)
• BreakHammer: Enhancing RowHammer Mitigations by Carefully Throttling Suspect Threads [5.767293823380473]
  RowHammerはDRAMの読み出し障害機構であり、DRAMセルの行(DRAM行)に繰り返しアクセスすることで、物理的に近くの他のDRAM行のビットフリップを誘導する。 RowHammerソリューションは、そのようなビットフリップを緩和する予防アクション(例えば、ハンマーされた行の隣接行をリフレッシュする)を実行する。 DRAMチップ世代よりも小さくなる技術がRowHammerを悪化させるにつれ、RowHammerソリューションのオーバーヘッドは極めて高価になる。 本研究では、RowHammerソリューションを起動するメモリアクセスのジェネレータを追跡し、スロットリングすることで、RowHammerソリューションのパフォーマンスオーバーヘッドに対処する。
  論文  参考訳（メタデータ） (2024-04-20T22:09:38Z)
• Action-Quantized Offline Reinforcement Learning for Robotic Skill Learning [68.16998247593209]
  オフライン強化学習(RL)パラダイムは、静的な行動データセットを、データを収集したポリシーよりも優れたパフォーマンスのポリシーに変換するためのレシピを提供する。 本稿では,アクション量子化のための適応型スキームを提案する。 IQL,CQL,BRACといった最先端のオフラインRL手法が,提案手法と組み合わせることで,ベンチマークのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2023-10-18T06:07:10Z)
• ABACuS: All-Bank Activation Counters for Scalable and Low Overhead RowHammer Mitigation [6.570851573752742]
  我々は,新しい低コストハードウェアカウンタベースのRowHammer緩和技術であるABACuSを紹介する。 ABACuSは単一の共有行アクティベーションカウンタを使用して、すべてのDRAMバンクで同じ行アドレスで行へのアクティベーションを追跡する。 評価の結果,ABACuSはRowHammerのビットフリップ/エネルギーオーバーヘッドと低面積コストを確実に防止できることがわかった。
  論文  参考訳（メタデータ） (2023-10-15T23:04:30Z)
• Scalable and Configurable Tracking for Any Rowhammer Threshold [0.8057006406834466]
  Rowhammer Threshold (TRH) は過去10年間で139Kから4.8Kに減少している。 攻撃可能な攻撃者の数は閾値の低下とともに増加し、そのような行を記憶効率のよい方法で確実に追跡することが困難になる。 DSAC-TRRのような最近の業界からのインDRAMトラッカーは、ストレージオーバーヘッドを減らすために保証された保護を犠牲にして、近似的な追跡を行う。 我々は、Any Rowhammer ThresholdのためのスケーラブルなトラッカーSTARTを提案する。
  論文  参考訳（メタデータ） (2023-08-28T20:24:49Z)
• One-bit Flip is All You Need: When Bit-flip Attack Meets Model Training [54.622474306336635]
  メモリフォールトインジェクション技術を利用したビットフリップ攻撃(BFA)と呼ばれる新たな重み修正攻撃が提案された。 本稿では,高リスクモデルを構築するための訓練段階に敵が関与する,訓練支援ビットフリップ攻撃を提案する。
  論文  参考訳（メタデータ） (2023-08-12T09:34:43Z)
• Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
  少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。 近年の取り組みは、他の等級のl_infty摂動と組み合わせている。 本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-10T20:11:36Z)
• Scaling the Convex Barrier with Sparse Dual Algorithms [141.4085318878354]
  本稿では,ニューラルネットワークバウンダリングのための2つの新しい2重アルゴリズムを提案する。 どちらの方法も新しい緩和の強さを回復する: 厳密さと線形分離オラクル。 実行時間のほんの一部で、既製のソルバよりも優れた境界を得ることができます。
  論文  参考訳（メタデータ） (2021-01-14T19:45:17Z)
• Nearly Dimension-Independent Sparse Linear Bandit over Small Action Spaces via Best Subset Selection [71.9765117768556]
  本研究では,高次元線形モデルの下での文脈的帯域問題について考察する。 この設定は、パーソナライズされたレコメンデーション、オンライン広告、パーソナライズされた医療など、不可欠な応用を見出す。 本稿では,最適部分集合選択法を用いて2重成長エポックを推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-04T04:10:39Z)
• RayS: A Ray Searching Method for Hard-label Adversarial Attack [99.72117609513589]
  我々は、レイサーチ攻撃(RayS)を提案し、これはハードラベル攻撃の有効性と効率を大幅に改善する。 モデルの正当性チェックとしても使用できる。
  論文  参考訳（メタデータ） (2020-06-23T07:01:50Z)

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。