論文の概要: The Avatar Cache: Enabling On-Demand Security with Morphable Cache Architecture
- arxiv url: http://arxiv.org/abs/2602.06433v1
- Date: Fri, 06 Feb 2026 07:03:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-09 22:18:26.26995
- Title: The Avatar Cache: Enabling On-Demand Security with Morphable Cache Architecture
- Title（参考訳）: Avatar Cache: 定型キャッシュアーキテクチャによるオンデマンドセキュリティの実現
- Authors: Anubhav Bhatla, Navneet Navneet, Moinuddin Qureshi, Biswabandan Panda,
- Abstract要約: 非セキュア(Avatar-N)、ランダム化されたセキュア(Avatar-R)、パーティショニングされたセキュア(Avatar-P)の3つのモードをサポートするセキュアで変形可能なLLCであるAvatarを提案する。
アバターは従来のセットアソシエイトLLCによく似ており、産業採用を促進する。
- 参考スコア（独自算出の注目度）: 1.6855835471222005
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The sharing of the last-level cache (LLC) among multiple cores makes it vulnerable to cross-core conflict- and occupancy-based attacks. Despite extensive prior work, modern processors still employ non-secure set-associative LLCs. Existing secure LLC designs broadly fall into two categories: (i) randomized and (ii) partitioned. The state-of-the-art randomized design, Mirage, mitigates conflict-based attacks but incurs significant area overhead (20% additional storage) and design complexity. Partitioned LLCs mitigate both conflict- and occupancy-based attacks, but often suffer from large performance overheads (on average over 5% and up to 49%), require OS support in set-based schemes, or face scalability issues in way-based schemes. These factors pose major obstacles to the industrial adoption of secure LLCs. This paper asks whether strong LLC security can be achieved with minimal changes to a conventional set-associative LLC, enabling security only when needed while preserving low performance, power, and area overheads. We propose Avatar, a secure and morphable LLC that supports three modes: non-secure (Avatar-N), randomized secure (Avatar-R), and partitioned secure (Avatar-P), and can switch dynamically between them. Avatar closely resembles a conventional set-associative LLC, facilitating industrial adoption. Avatar-R introduces extra invalid entries and leverages high associativity to provide a strong security guarantee with little capacity loss, achieving only one set-associative eviction per $10^{30}$ years, while incurring 1.5% storage overhead, a 2.7% increase in static power, and a 0.2% slowdown over a 16~MB baseline. Avatar-P mitigates both conflict- and occupancy-based attacks with only a 3% performance overhead, substantially outperforming prior way-based partitioned LLCs. When security is unnecessary, Avatar switches to Avatar-N to maximize performance and energy efficiency.
- Abstract（参考訳）: 複数のコア間でのラストレベルキャッシュ(LLC)の共有は、クロスコアのコンフリクトと占有ベースの攻撃に対して脆弱である。
以前の広範な作業にもかかわらず、現代のプロセッサは安全でないセットアソシエイトLLCを今でも採用している。
既存のSecure LLCの設計は、大きく2つのカテゴリに分類される。
(一)ランダム化して(一)
(II)分割。
最先端のランダム化設計であるMirageは、競合ベースの攻撃を緩和するが、かなりのオーバヘッド(20%追加ストレージ)と設計の複雑さを引き起こす。
パーティショニングされた LLCは、コンフリクトベースの攻撃と占有ベースの攻撃の両方を緩和するが、多くの場合、大きなパフォーマンス上のオーバーヘッド(平均5%以上で最大49%)に悩まされ、セットベースのスキームではOSのサポートが必要か、あるいは方法ベースのスキームではスケーラビリティの問題に直面している。
これらの要因は、安全なLLCの産業導入に大きな障害となる。
本稿では,従来のセットアソシエイトLLCに最小限の変更を加えることで,パフォーマンス,パワー,領域のオーバーヘッドを低く保ちながら,必要時にのみセキュリティを実現することができるかどうかを問う。
非セキュア(Avatar-N)、ランダム化されたセキュア(Avatar-R)、パーティショニングされたセキュア(Avatar-P)の3つのモードをサポートするセキュアで変形可能なLLCであるAvatarを提案する。
アバターは従来のセットアソシエイトLLCによく似ており、産業採用を促進する。
Avatar-Rは、追加の無効なエントリを導入し、高いアソナティビティを活用して、キャパシティロスの少ない強力なセキュリティ保証を提供し、年間10〜30ドルあたりのセット・アソナティブ・エミッションを1つしか達成していないが、ストレージオーバーヘッドは1.5%、静的パワーは2.7%増加し、16～MBベースラインでの0.2%のスローダウンを実現している。
Avatar-Pは、コンフリクトベースの攻撃と占有ベースの攻撃の両方を3%のパフォーマンスオーバーヘッドで軽減する。
セキュリティが不要な場合、Avatarはパフォーマンスとエネルギー効率を最大化するためにAvatar-Nに切り替える。
関連論文リスト
- Hierarchical Federated Graph Attention Networks for Scalable and Resilient UAV Collision Avoidance [0.5505634045241287]
衝突回避を実践するためにバランスをとる必要がある最も重要な指標は、リアルタイムのパフォーマンス、敵のレジリエンス、プライバシー保護である。
我々は適応型微分プライバシー機構を提案し,実時間脅威の評価に基づいて雑音レベル$(in [0.1, 1.0])$を動的に低減する。
このアーキテクチャは500UAVのスケーラブルなシナリオを提供し、衝突速度は2.0%$、ビザンティンの耐障害性は$f n/3$である。
論文 参考訳（メタデータ） (2025-11-05T12:01:00Z) - When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。
これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。
本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-25T02:02:14Z) - Selective KV-Cache Sharing to Mitigate Timing Side-Channels in LLM Inference [6.864810630905683]
ユーザ単位のアイソレーションなどの既存の防御は、リークをなくすが、TTFT(Time-to-first-token)で最大38.9%性能を低下させる。
プライバシーに配慮したKV-cache管理フレームワークであるSafeKVを紹介した。
評価の結果,SafeKVは時間ベースのサイドチャネル攻撃の94%～97%を軽減していることがわかった。
論文 参考訳（メタデータ） (2025-08-11T19:55:44Z) - FedSEA-LLaMA: A Secure, Efficient and Adaptive Federated Splitting Framework for Large Language Models [13.304846508027588]
LLaMA2に基づくセキュアで効率的で適応的なフェデレーション分割フレームワークであるFedSEA-LLaMAを紹介する。
我々は、注意マスク圧縮とKVキャッシュの協調を利用して、通信コストを削減し、トレーニングと推論を加速する。
自然言語理解、要約、会話型QAタスクの実験は、FedSEA-LLaMAが集中型LLaMA2に匹敵するパフォーマンスを維持していることを示している。
論文 参考訳（メタデータ） (2025-05-21T15:58:08Z) - BULKHEAD: Secure, Scalable, and Efficient Kernel Compartmentalization with PKS [16.239598954752594]
カーネルの区画化は、最小特権原理に従う有望なアプローチである。
本稿では,セキュアでスケーラブルで効率的なカーネルコンパートナライズ技術であるBULKHEADを提案する。
ロード可能なカーネルモジュールを分割するプロトタイプシステムをLinux v6.1で実装する。
論文 参考訳（メタデータ） (2024-09-15T04:11:26Z) - PCG: Mitigating Conflict-based Cache Side-channel Attacks with Prefetching [6.884097465523025]
本稿ではPCGと呼ばれる新しいプリフェッチ方式を提案する。
被害者関係のキャッシュ占有率の変更を追加し、攻撃者を妨害するために被害者関連のキャッシュ占有率の変更を減らすことを組み合わせている。
PCGは平均パフォーマンスが1.64%向上し、ハードウェアリソース消費の1.26%のオーバーヘッドしか発生しない。
論文 参考訳（メタデータ） (2024-05-06T07:26:53Z) - G$^2$uardFL: Safeguarding Federated Learning Against Backdoor Attacks
through Attributed Client Graph Clustering [116.4277292854053]
Federated Learning (FL)は、データ共有なしで協調的なモデルトレーニングを提供する。
FLはバックドア攻撃に弱いため、有害なモデル重みがシステムの整合性を損なう。
本稿では、悪意のあるクライアントの識別を属性グラフクラスタリング問題として再解釈する保護フレームワークであるG$2$uardFLを提案する。
論文 参考訳（メタデータ） (2023-06-08T07:15:04Z) - 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) - Robustifying $\ell_\infty$ Adversarial Training to the Union of
Perturbation Models [120.71277007016708]
我々は、広く普及しているシングルアタック$ell_infty$ ATフレームワークの機能を拡張する。
我々の手法はSNAP(Noss Augmented Processing)と呼ばれ、単一攻撃ATフレームワークの優れた副産物を利用する。
SNAPは、標準的なシングルアタックATを用いて、ネットワークパラメータとともに分布を学習する形状のノイズ増強層を持つ、与えられたディープネットをプリペイドする。
論文 参考訳（メタデータ） (2021-05-31T05:18:42Z) - Patch-wise++ Perturbation for Adversarial Targeted Attacks [132.58673733817838]
トランスファビリティの高い対比例の作成を目的としたパッチワイズ反復法(PIM)を提案する。
具体的には、各イテレーションのステップサイズに増幅係数を導入し、$epsilon$-constraintをオーバーフローする1ピクセルの全体的な勾配が、その周辺領域に適切に割り当てられる。
現在の攻撃方法と比較して、防御モデルでは35.9%、通常訓練されたモデルでは32.7%、成功率を大幅に向上させた。
論文 参考訳（メタデータ） (2020-12-31T08:40:42Z) - A Self-supervised Approach for Adversarial Robustness [105.88250594033053]
敵対的な例は、ディープニューラルネットワーク(DNN)ベースの視覚システムにおいて破滅的な誤りを引き起こす可能性がある。
本稿では,入力空間における自己教師型対向学習機構を提案する。
これは、反逆攻撃に対する強力な堅牢性を提供する。
論文 参考訳（メタデータ） (2020-06-08T20:42:39Z)
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。