論文の概要: Probabilistic Tracker Management Policies for Low-Cost and Scalable Rowhammer Mitigation
- arxiv url: http://arxiv.org/abs/2404.16256v1
- Date: Wed, 24 Apr 2024 23:57:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-26 15:07:57.308448
- Title: Probabilistic Tracker Management Policies for Low-Cost and Scalable Rowhammer Mitigation
- Title(参考訳): 低コストかつスケーラブルなローハンマ除去のための確率的トラッカー管理法
- Authors: Aamer Jaleel, Stephen W. Keckler, Gururaj Saileshwar,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 5.597216094757414
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper focuses on mitigating DRAM Rowhammer attacks. In recent years, solutions like TRR have been deployed in DDR4 DRAM to track aggressor rows and then issue a mitigative action by refreshing neighboring victim rows. Unfortunately, such in-DRAM solutions are resource-constrained (only able to provision few tens of counters to track aggressor rows) and are prone to thrashing based attacks, that have been used to fool them. Secure alternatives for in-DRAM trackers require tens of thousands of counters. In this work, we demonstrate secure and scalable rowhammer mitigation using resource-constrained trackers. Our key idea is to manage such trackers with probabilistic management policies (PROTEAS). PROTEAS includes component policies like request-stream sampling and random evictions which enable thrash-resistance for resource-constrained trackers. We show that PROTEAS can secure small in-DRAM trackers (with 16 counters per DRAM bank) even when Rowhammer thresholds drop to 500 while incurring less than 3% slowdown. Moreover, we show that PROTEAS significantly outperforms a recent similar probabilistic proposal from Samsung (called DSAC) while achieving 11X - 19X the resilience against Rowhammer.
- Abstract(参考訳): 本稿ではDRAM Rowhammer攻撃の軽減に焦点を当てる。
近年、TRRのようなソリューションがDDR4 DRAMにデプロイされ、攻撃者行を追跡し、近隣の犠牲者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。
残念ながら、そのようなDRAM内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。
DRAMトラッカーの安全な代替品は数万のカウンタを必要とする。
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。
私たちのキーとなる考え方は、確率的管理ポリシー(PROTEAS)でこのようなトラッカーを管理することです。
PROTEASには、リクエストストリームサンプリングやランダムな消去のようなコンポーネントポリシーが含まれており、リソース制約されたトラッカーのスラッシュ耐性を可能にする。
Rowhammerのしきい値が500に下がったとしても、ProteASは小さなDRAMトラッカー(DRAMバンクあたり16カウンタ)を確保でき、3%のスローダウンを達成できる。
さらに, PROTEAS はSamsung (DSAC) による最近の同様の確率的提案 (DSAC) よりも優れており,Rowhammer に対するレジリエンスは 11X - 19 倍であることを示す。
関連論文リスト
- TransTroj: Transferable Backdoor Attacks to Pre-trained Models via
Embedding Indistinguishability [65.21878718144663]
本稿では,トランスポート可能なバックドア攻撃であるTransTrojを提案する。
実験の結果,TransTrojはSOTAタスク非依存のバックドア攻撃よりも有意に優れていた。
論文 参考訳(メタデータ) (2024-01-29T04:35:48Z) - 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) - TrojLLM: A Black-box Trojan Prompt Attack on Large Language Models [29.66515518909497]
TrojLLMは、普遍的でステルス的なトリガーを生成する自動かつブラックボックスフレームワークである。
個別のプロンプト内にトロイの木馬を埋め込むことをサポートし、トリガーの攻撃の全体的な効果と精度を高める。
実世界のブラックボックスLPM APIにおけるテキストプロンプトにTrojLLMを効果的に挿入する能力を示す実験と結果を得た。
論文 参考訳(メタデータ) (2023-06-12T01:22:39Z) - Backdoor Attack with Sparse and Invisible Trigger [60.84183404621145]
ディープニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱である。
バックドアアタックは、訓練段階の脅威を脅かしている。
軽度で目に見えないバックドアアタック(SIBA)を提案する。
論文 参考訳(メタデータ) (2023-05-11T10:05:57Z) - DRSM: De-Randomized Smoothing on Malware Classifier Providing Certified
Robustness [58.23214712926585]
我々は,マルウェア検出領域の非ランダム化スムース化技術を再設計し,DRSM(De-Randomized Smoothed MalConv)を開発した。
具体的には,実行可能ファイルの局所構造を最大に保ちながら,逆数バイトの影響を確実に抑制するウィンドウアブレーション方式を提案する。
私たちは、マルウェア実行ファイルの静的検出という領域で、認証された堅牢性を提供する最初の人です。
論文 参考訳(メタデータ) (2023-03-20T17:25:22Z) - RL and Fingerprinting to Select Moving Target Defense Mechanisms for
Zero-day Attacks in IoT [0.5172201569251684]
サイバー犯罪者は、リソース制限されたデバイスに影響を及ぼすゼロデイ攻撃に向かっている。
移動目標防衛は、標的攻撃面を動的に変更することで攻撃を緩和する有望なアプローチである。
本稿では,SBC におけるゼロデイ攻撃を緩和する MTD メカニズムを学習するためのオンライン RL ベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2022-12-30T12:15:59Z) - ALARM: Active LeArning of Rowhammer Mitigations [0.0]
Rowhammerは、現代の動的ランダムアクセスメモリ(DRAM)の深刻なセキュリティ問題である
本稿では,現代のDRAMの合成モデルに対して,Rowhammer緩和パラメータを自動的に推論する能動的学習に基づくツールを提案する。
論文 参考訳(メタデータ) (2022-11-30T12:24:35Z) - Tracklet-Switch Adversarial Attack against Pedestrian Multi-Object
Tracking Trackers [14.135239008740173]
マルチオブジェクト追跡(MOT)の完全追跡パイプラインに対して,トラックレットスイッチ(TraSw)と呼ばれる新たな逆攻撃手法を提案する。
実験の結果、TraSwは平均して4フレームしか攻撃せず、95%以上の成功率を極端に達成できることがわかった。
論文 参考訳(メタデータ) (2021-11-17T07:53:45Z) - 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) - Stochastic Bandits with Linear Constraints [69.757694218456]
制約付き文脈線形帯域設定について検討し、エージェントの目標は一連のポリシーを作成することである。
楽観的悲観的線形帯域(OPLB)と呼ばれる,この問題に対する高信頼束縛アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-17T22:32:19Z)
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。