論文の概要: Zebrafix: Mitigating Memory-Centric Side-Channel Leakage via Interleaving

• arxiv url: http://arxiv.org/abs/2502.09139v1
• Date: Thu, 13 Feb 2025 10:14:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 13:47:03.277446
• Title: Zebrafix: Mitigating Memory-Centric Side-Channel Leakage via Interleaving
• Title（参考訳）: Zebrafix: インターリービングによるメモリ中心のサイドチャネルリークの軽減
• Authors: Anna Pätschke, Jan Wichelmann, Thomas Eisenbarth,
• Abstract要約: 暗号文のサイドチャネル、サイレントストア、データメモリ依存プリフェッチなど、メモリベースのリーククラスは未修正のままである。 我々は、汎用的な暗号文側チャネル緩和のためにインターリーブを利用する設計選択と要件を定義した。 Zebrafixは、コンパイラベースのツールで、メモリストアの鮮度を保証する。 本稿では,インターリービングによる3つのメモリ中心のサイドチャネル攻撃を防止するために,暗号文のサイドチャネル緩和をどの程度適用できるかについて論じる。
• 参考スコア（独自算出の注目度）: 11.900198587370495
• License:
• Abstract: Constant-time code has become the de-facto standard for secure cryptographic implementations. However, some memory-based leakage classes such as ciphertext side-channels, silent stores, and data memory-dependent prefetching remain unaddressed. In the context of ciphertext side-channel mitigations, the practicality of interleaving data with counter values remains to be explored. To close this gap, we define design choices and requirements to leverage interleaving for a generic ciphertext side-channel mitigation. Based on these results, we implement Zebrafix, a compiler-based tool to ensure freshness of memory stores. We evaluate Zebrafix and find that interleaving can perform much better than other ciphertext side-channel mitigations, at the cost of a high practical complexity. We further observe that ciphertext side-channels, silent stores and data memory-dependent prefetching belong to a broader attack category: memory-centric side-channels. Under this unified view, we discuss to what extent ciphertext side-channel mitigations can be adapted to prevent all three memory-centric side-channel attacks via interleaving.
• Abstract（参考訳）: 定時コードはセキュアな暗号実装のためのデファクトスタンダードになっている。 しかし、暗号文のサイドチャネル、サイレントストア、データメモリ依存プリフェッチなど、メモリベースのリーククラスは未修正のままである。 暗号文側チャネル緩和の文脈では、対向値を用いたインターリービングデータの実用性について検討が続けられている。 このギャップを埋めるために、汎用的な暗号文側チャネル緩和のためにインターリーブを利用する設計選択と要件を定義します。 これらの結果に基づき、我々はZebrafixを実装した。Zebrafixはコンパイラベースのツールで、メモリストアの鮮度を保証する。 我々はZebrafixを評価し、インターリービングが他の暗号文のチャネル緩和よりもはるかに優れた性能を発揮することを発見した。 さらに、暗号文側チャネル、サイレントストア、データメモリ依存プリフェッチは、より広範な攻撃カテゴリであるメモリ中心のサイドチャネルに属することを観察する。 この統合された視点の下では、インターリービングによる3つのメモリ中心のサイドチャネル攻撃を防ぐために、暗号文のサイドチャネル緩和がどの程度適応できるかについて議論する。

関連論文リスト

• At Least Factor-of-Two Optimization for RWLE-Based Homomorphic Encryption [0.0]
  ホモモルフィック暗号化(HE)は、復号化を必要とせずに、暗号化データの特定の操作をサポートする。 HEスキームには、データ集約的なワークロードを妨げるような、非自明な計算オーバーヘッドが伴います。 我々は、Zincと呼ぶ暗号化方式を提案し、複数のキャッシュ処理を禁止し、単一のスカラー加算で置き換える。
  論文  参考訳（メタデータ） (2024-08-14T05:42:35Z)
• Decoding at the Speed of Thought: Harnessing Parallel Decoding of Lexical Units for LLMs [57.27982780697922]
  大規模言語モデルは、自然言語の理解と生成において例外的な能力を示した。 しかし、それらの生成速度は、その復号過程の本質的にシーケンシャルな性質によって制限される。 本稿では,データ駆動方式で実装された新しいデコーディング手法であるLexical Unit Decodingを紹介する。
  論文  参考訳（メタデータ） (2024-05-24T04:35:13Z)
• Hierarchical Context Merging: Better Long Context Understanding for Pre-trained LLMs [61.40047491337793]
  本稿では,大規模言語モデルの制約を克服する新しいトレーニングフリースキームである階層型cOntext MERging(HOMER)を提案する。 HomeRは、長いインプットを管理可能なチャンクに分割する、分別/対数アルゴリズムを使用する。 トークン削減技術がマージ毎に先行し、メモリ使用効率が保証される。
  論文  参考訳（メタデータ） (2024-04-16T06:34:08Z)
• Security for adversarial wiretap channels [4.383205675898942]
  抽出器の逆数と誤り訂正符号を用いる情報理論的に安全な符号化方式を解析する。 これは、メモリを持つ特定のチャネルタイプにも当てはまります。
  論文  参考訳（メタデータ） (2024-04-02T09:22:40Z)
• Context Compression for Auto-regressive Transformers with Sentinel Tokens [37.07722536907739]
  本稿では,特定のトークンの中間活性化をコンパクトに段階的に圧縮できるプラグイン・アンド・プレイ方式を提案する。 ドメイン内言語モデリングとゼロショットオープンエンド文書生成の両方の実験は、我々のアプローチの利点を実証している。
  論文  参考訳（メタデータ） (2023-10-12T09:18:19Z)
• Look-back Decoding for Open-Ended Text Generation [62.53302138266465]
  本研究では,現在の復号化過程と過去の復号化過程の分布距離を追跡する改良された復号化アルゴリズムであるLook-backを提案する。 ルックバックは、潜在的反復句とトピックドリフトを自動的に予測し、障害モードを引き起こす可能性のあるトークンを削除することができる。 文書の継続とストーリー生成に関する復号実験を行い、Look-backがより流動的で一貫性のあるテキストを生成することを実証する。
  論文  参考訳（メタデータ） (2023-05-22T20:42:37Z)
• Memorization for Good: Encryption with Autoregressive Language Models [8.645826579841692]
  自己回帰言語モデル(SELM)を用いた最初の対称暗号アルゴリズムを提案する。 自己回帰的LMは任意のデータをコンパクトな実数値ベクトル(すなわち暗号化)にエンコードし、ランダムな部分空間最適化とgreedy復号によってベクトルを元のメッセージ(すなわち復号)に無作為に復号できることを示す。
  論文  参考訳（メタデータ） (2023-05-15T05:42:34Z)
• 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)
• Recovering AES Keys with a Deep Cold Boot Attack [91.22679787578438]
  コールドブート攻撃は、電源がシャットダウンされた直後に破損したランダムアクセスメモリを検査する。 本研究では,AES鍵に対する攻撃を適用するために,深誤り訂正符号手法の新たな暗号版とSATソルバ方式を併用する。 以上の結果から,本手法は攻撃方法の精度を極めて高いマージンで上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-06-09T07:57:01Z)
• Kanerva++: extending The Kanerva Machine with differentiable, locally block allocated latent memory [75.65949969000596]
  エピソディックメモリとセマンティックメモリは、人間のメモリモデルの重要なコンポーネントです。 我々は、エピソードメモリとセマンティックメモリのギャップを埋める新しい原理ベイズメモリ割り当てスキームを開発しました。 この割り当て方式がメモリ条件画像生成の性能を向上させることを実証する。
  論文  参考訳（メタデータ） (2021-02-20T18:40:40Z)
• Learning to Summarize Long Texts with Memory Compression and Transfer [3.5407857489235206]
  本稿では,階層的リカレントニューラルネットワークに基づくエンコーダデコーダアーキテクチャのためのメモリ・ツー・メモリ機構であるMem2Memを紹介する。 我々のメモリ正規化は、よりコンパクトな文表現セットに符号化された入力項目を圧縮する。
  論文  参考訳（メタデータ） (2020-10-21T21:45:44Z)

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。