論文の概要: ImPress: Securing DRAM Against Data-Disturbance Errors via Implicit Row-Press Mitigation

• arxiv url: http://arxiv.org/abs/2407.16006v1
• Date: Mon, 22 Jul 2024 19:20:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-24 19:25:20.615344
• Title: ImPress: Securing DRAM Against Data-Disturbance Errors via Implicit Row-Press Mitigation
• Title（参考訳）: ImPress: 不正なRow-Press緩和によるデータ障害エラーに対するDRAMのセキュア化
• Authors: Moinuddin Qureshi, Anish Saxena, Aamer Jaleel,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.3921736520874155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: DRAM cells are susceptible to Data-Disturbance Errors (DDE), which can be exploited by an attacker to compromise system security. Rowhammer is a well-known DDE vulnerability that occurs when a row is repeatedly activated. Rowhammer can be mitigated by tracking aggressor rows inside DRAM (in-DRAM) or at the Memory Controller (MC). Row-Press (RP) is a new DDE vulnerability that occurs when a row is kept open for a long time. RP significantly reduces the number of activations required to induce an error, thus breaking existing RH solutions. Prior work on Explicit Row-Press mitigation, ExPress, requires the memory controller to limit the maximum row-open-time, and redesign existing Rowhammer solutions with reduced Rowhammer threshold. Unfortunately, ExPress incurs significant performance and storage overheads, and being a memory controller-based solution, it is incompatible with in-DRAM trackers. In this paper, we propose Implicit Row-Press mitigation (ImPress), which does not restrict row-open-time, is compatible with memory controller-based and in-DRAM solutions and does not reduce the tolerated Rowhammer threshold. ImPress treats a row open for a specified time as equivalent to an activation. We design ImPress by developing a Unified Charge-Loss Model, which combines the net effect of both Rowhammer and Row-Press for arbitrary patterns. We analyze both controller-based (Graphene and PARA) and in-DRAM trackers (Mithril and MINT). We show that ImPress makes Rowhammer solutions resilient to Row-Press transparently, without affecting the Rowhammer threshold.
• Abstract（参考訳）: DRAMセルはDDE(Data-Disturbance Errors)の影響を受けやすい。 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。 Rowhammer は DRAM (-DRAM) 内または Memory Controller (MC) で攻撃列を追跡することで緩和することができる。 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。 RPはエラーを引き起こすのに必要なアクティベーション数を著しく減らし、既存のRHソリューションを壊す。 Explicit Row-Pressの緩和に関する以前の作業であるExPressでは、最大行のオープンタイムを制限するメモリコントローラを必要とし、Rowhammer閾値を下げた既存のRowhammerソリューションを再設計する必要がある。 残念ながら、ExPressは大幅なパフォーマンスとストレージのオーバーヘッドを発生させ、メモリコントローラベースのソリューションであるため、DRAMトラッカーと互換性がない。 本稿では,行オープンタイムを制限せず,メモリコントローラやインDRAMソリューションと互換性があり,許容Rowhammer閾値を下げることができないImPress(ImPress)を提案する。 ImPressは、特定の時間開いている行をアクティベーションに相当するものとして扱う。 我々は、任意のパターンに対してRowhammerとRow-Pressのネット効果を組み合わせた統一電荷損失モデルを構築し、ImPressを設計する。 コントローラベース (Graphene と PARA) とインDRAMトラッカー (Mithril と MINT) の両方を解析する。 我々は、ImPressがRowhammerのしきい値に影響を与えることなく、透過的にRow-Pressに耐性を持たせることを示す。

関連論文リスト

• MOAT: Securely Mitigating Rowhammer with Per-Row Activation Counters [0.3580891736370874]
  DDR5仕様は、各行にインライン化されたカウンタを持つper-Row Activation Counting (PRAC) と、DRAMが緩和するのにより多くの時間を必要とする場合、メモリコントローラを止めるALERT-Back-Off (ABO) をサポートするように拡張されている。 PRAC+ABOはRowhammer保護の強力な進歩を示しているが、それらは単なるフレームワークであり、実際のセキュリティは実装に依存している。 ETH(Eligibility Threshold)とALERT Threshold(ALERT Threshold)の2つの内部しきい値を用いて、確実に安全な設計であるMOATを提案する。
  論文  参考訳（メタデータ） (2024-07-13T20:28:02Z)
• RowPress Vulnerability in Modern DRAM Chips [7.046976177695823]
  我々は、有名なRowHammerとは異なるDRAM読み取り障害現象であるRowPressを実証する。 我々はRowPressビットフリップを実験的に特徴付け、市販のDDR4 DRAMチップに広く存在することを示す。 本稿では,DRAMをRowHammerとRowPressの両方に対して効果的に保護する手法を提案する。
  論文  参考訳（メタデータ） (2024-06-23T16:26:35Z)
• LARM: Large Auto-Regressive Model for Long-Horizon Embodied Intelligence [68.27280750612204]
  エンボディエージェントのための大規模自己回帰モデル(LARM)を導入する。 LARMはテキストとマルチビューの両方を入力として使用し、後続のアクションを自動回帰的に予測する。 LARMは2段階の訓練体制を採用し、Minecraftで魔法の装置の収穫に成功した。
  論文  参考訳（メタデータ） (2024-05-27T17:59:32Z)
• 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)
• AdvPrompter: Fast Adaptive Adversarial Prompting for LLMs [51.217126257318924]
  本稿では,AdvPrompterと呼ばれる新たな大規模言語モデルを用いて,人間可読な逆数プロンプトを数秒で生成する手法を提案する。 我々は、ターゲットLLMの勾配にアクセスする必要がない新しいアルゴリズムを用いてAdvPrompterを訓練する。 訓練されたAdvPrompterは、TargetLLMを誘引して有害な応答を与えるように、意味を変えずに入力命令を無効にする接尾辞を生成する。
  論文  参考訳（メタデータ） (2024-04-21T22:18:13Z)
• Leveraging Adversarial Detection to Enable Scalable and Low Overhead RowHammer Mitigations [5.767293823380473]
  我々は、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取り組む。 BreakHammerは、スレッドのRowHammerの可能性に基づいて、スレッドがメモリシステムに注入できるオンザフライリクエストの数を制限する。
  論文  参考訳（メタデータ） (2024-04-20T22:09:38Z)
• RelayAttention for Efficient Large Language Model Serving with Long System Prompts [59.50256661158862]
  本稿では,長いシステムプロンプトを含むLCMサービスの効率を向上させることを目的とする。 これらのシステムプロンプトの処理には、既存の因果注意アルゴリズムにおいて、大量のメモリアクセスが必要である。 本稿では,DRAMから入力トークンのバッチに対して,DRAMから隠れた状態を正確に1回読み取ることのできるアテンションアルゴリズムであるRelayAttentionを提案する。
  論文  参考訳（メタデータ） (2024-02-22T18:58:28Z)
• HiRE: High Recall Approximate Top-$k$ Estimation for Efficient LLM Inference [68.59839755875252]
  HiREは2つの新しいコンポーネントから構成される: (i) (i) (i) (i) (i) (i) (i) (i) (i) (i) (ii) DA-TOP-$k$: 効率的なマルチデバイス近似トップ-k$演算子) (i) (i) (i) (i) (i) (i) (i) DA-TOP-$k$演算子) 。 我々は、10億のパラメータモデルにおいて、HiREがソフトマックスとフィードフォワード層の両方に適用され、ほぼ一致した事前学習と下流の精度を実現し、1台のTPUv5eデバイスで1.47Times$の推論遅延を高速化することを示した。
  論文  参考訳（メタデータ） (2024-02-14T18:04:36Z)
• RowPress: Amplifying Read Disturbance in Modern DRAM Chips [7.046976177695823]
  RowPressは、DRAM行を長時間開いておくことで、メモリアイソレーションを壊します。 極端な場合、RowPressは隣接する行が一度だけアクティベートされたときにDRAM行のビットフリップを誘導する。 164個の実DDR4 DRAMチップの詳細な特徴は、RowPressが3大DRAMメーカーのすべてのチップに影響を与えることを示している。
  論文  参考訳（メタデータ） (2023-06-29T16:09:56Z)
• Recurrent Dynamic Embedding for Video Object Segmentation [54.52527157232795]
  一定サイズのメモリバンクを構築するためにRDE(Recurrent Dynamic Embedding)を提案する。 本稿では, SAM を長時間の動画でより堅牢にするため, トレーニング段階での無バイアス誘導損失を提案する。 また、メモリバンクの異なる品質のマスクの埋め込みをネットワークが修復できるように、新たな自己補正戦略を設計する。
  論文  参考訳（メタデータ） (2022-05-08T02:24:43Z)
• Red Alarm for Pre-trained Models: Universal Vulnerability to Neuron-Level Backdoor Attacks [98.15243373574518]
  事前訓練されたモデル(PTM)は、下流の様々なタスクで広く使われている。 本研究では,バックドアアタックによって微調整されたPTMを容易に制御できるPTMの普遍的脆弱性を実証する。
  論文  参考訳（メタデータ） (2021-01-18T10:18:42Z)

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。