論文の概要: DRsam: Detection of Fault-Based Microarchitectural Side-Channel Attacks in RISC-V Using Statistical Preprocessing and Association Rule Mining

• arxiv url: http://arxiv.org/abs/2510.18612v1
• Date: Tue, 21 Oct 2025 13:09:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:13.539947
• Title: DRsam: Detection of Fault-Based Microarchitectural Side-Channel Attacks in RISC-V Using Statistical Preprocessing and Association Rule Mining
• Title（参考訳）: DRsam:統計前処理とアソシエーションルールマイニングを用いたRISC-Vの欠陥型マイクロアーキテクチャーサイドチャネル攻撃の検出
• Authors: Muhammad Hassan, Maria Mushtaq, Jaan Raik, Tara Ghasempouri,
• Abstract要約: RISC-Vにおける微小構造的攻撃の検出は、x86やARMと比較して、比較的過小評価されている。 統計的前処理と相関ルールマイニングを組み合わせた新しい検出法を提案する。 提案手法は,精度が最大5.15%向上し,精度が7%向上し,リコール精度が3.91%向上した。
• 参考スコア（独自算出の注目度）: 1.6013674661312771
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: RISC-V processors are becoming ubiquitous in critical applications, but their susceptibility to microarchitectural side-channel attacks is a serious concern. Detection of microarchitectural attacks in RISC-V is an emerging research topic that is relatively underexplored, compared to x86 and ARM. The first line of work to detect flush+fault-based microarchitectural attacks in RISC-V leverages Machine Learning (ML) models, yet it leaves several practical aspects that need further investigation. To address overlooked issues, we leveraged gem5 and propose a new detection method combining statistical preprocessing and association rule mining having reconfiguration capabilities to generalize the detection method for any microarchitectural attack. The performance comparison with state-of-the-art reveals that the proposed detection method achieves up to 5.15% increase in accuracy, 7% rise in precision, and 3.91% improvement in recall under the cryptographic, computational, and memory-intensive workloads alongside its flexibility to detect new variant of flush+fault attack. Moreover, as the attack detection relies on association rules, their human-interpretable nature provides deep insight to understand microarchitectural behavior during the execution of attack and benign applications.
• Abstract（参考訳）: RISC-Vプロセッサは、重要なアプリケーションではユビキタスになりつつあるが、マイクロアーキテクチャーサイドチャネル攻撃への感受性は深刻な懸念である。 RISC-Vにおける微小構造的攻撃の検出は、x86やARMと比較して比較的未発見の分野である。 RISC-Vにおけるflush+faultベースのマイクロアーキテクチャ攻撃を検出する最初の作業は、機械学習(ML)モデルを活用するが、さらなる調査を必要とするいくつかの実践的な側面を残している。 そこで,我々はgem5を用いて,統計的前処理と相関ルールマイニングを組み合わせた新しい検出手法を提案し,マイクロアーキテクチャーアタックの検出方法を一般化した。 State-of-the-artと比較して、提案した検出手法は精度が最大5.15%向上し、7%の精度向上と3.91%のリコール改善を実現している。 さらに、アタック検出はアソシエーションルールに依存するため、人間の解釈可能な性質は、アタックおよび良性アプリケーション実行時の微構造的挙動を理解するための深い洞察を提供する。

関連論文リスト

• On the Adversarial Robustness of Learning-based Conformal Novelty Detection [10.58528988397402]
  AdaDetect を用いた共形ノベルティ検出の対角的ロバスト性について検討した。 以上の結果から,高い検出力を維持しながらFDRを著しく増大させる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-10-01T03:29:11Z)
• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• Ensemble of Precision-Recall Curve (PRC) Classification Trees with Autoencoders [3.060720241524644]
  異常検出は、ネットワークセキュリティ、侵入検出、不正防止といった重要な応用を支えている。 前者に対抗するため、我々は以前にPrecision-Recall Curve(PRC)分類木とそのアンサンブル拡張であるPRC-RF(PRCランダムフォレスト)を導入した。 そこで本研究では,PRC-RFを自動エンコーダと統合するハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-06T16:39:22Z)
• Robust Intrusion Detection System with Explainable Artificial Intelligence [0.0]
  逆入力は、標準インターフェイスを通じて機械学習(ML)モデルを利用することができる。 敵の訓練のような従来の防御は、計算的な用語で費用がかかるため、しばしばリアルタイム検出の提供に失敗する。 eXplainable Artificial Intelligence (XAI) を用いた敵攻撃の検出と緩和のための新しい戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-07T10:31:59Z)
• Soft ascent-descent as a stable and flexible alternative to flooding [6.527016551650139]
  我々は,軟化・ポイントワイド機構であるSoftADを提案する。この機構は,降水量と降水量の影響を制限し,洪水の上昇・昇華効果を維持できる。 我々は,より小さな損失一般化ギャップとモデル規範を享受しながら,浸水と競合する分類精度をSoftADが実現できることを実証する。
  論文  参考訳（メタデータ） (2023-10-16T02:02:56Z)
• Assessing the Impact of a Supervised Classification Filter on Flow-based Hybrid Network Anomaly Detection [0.0]
  本稿では,ネットワーク異常検出における教師付きフィルタ(分類器)の影響を計測することを目的とする。 異常検出器のプリフィルタとして機能するバイナリ分類器をプリコンパイルすることにより,最先端のオートエンコーダに基づく異常検出手法を拡張した。 実験結果から,本手法は単独の異常検知器よりも,既知の攻撃の検出率が高いことが示唆された。
  論文  参考訳（メタデータ） (2023-10-10T14:30:04Z)
• CC-Cert: A Probabilistic Approach to Certify General Robustness of Neural Networks [58.29502185344086]
  安全クリティカルな機械学習アプリケーションでは、モデルを敵の攻撃から守ることが不可欠である。 意味的に意味のある入力変換に対して、ディープラーニングモデルの証明可能な保証を提供することが重要である。 我々はChernoff-Cramer境界に基づく新しい普遍確率的証明手法を提案する。
  論文  参考訳（メタデータ） (2021-09-22T12:46:04Z)
• Balancing detectability and performance of attacks on the control channel of Markov Decision Processes [77.66954176188426]
  マルコフ決定過程(MDPs)の制御チャネルにおける最適ステルス毒素攻撃の設計問題について検討する。 この研究は、MDPに適用された敵国・毒殺攻撃や強化学習(RL)手法に対する研究コミュニティの最近の関心に動機づけられている。
  論文  参考訳（メタデータ） (2021-09-15T09:13:10Z)
• Risk Minimization from Adaptively Collected Data: Guarantees for Supervised and Policy Learning [57.88785630755165]
  経験的リスク最小化(Empirical Risk Minimization, ERM)は、機械学習のワークホースであるが、適応的に収集されたデータを使用すると、そのモデルに依存しない保証が失敗する可能性がある。 本研究では,仮説クラス上での損失関数の平均値を最小限に抑えるため,適応的に収集したデータを用いた一般的な重み付きERMアルゴリズムについて検討する。 政策学習では、探索がゼロになるたびに既存の文献のオープンギャップを埋める率-最適後悔保証を提供する。
  論文  参考訳（メタデータ） (2021-06-03T09:50:13Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。