論文の概要: WATSON: Leveraging Data Watchpoints for Shadow Stack Protection on Embedded Systems

• arxiv url: http://arxiv.org/abs/2605.08604v1
• Date: Sat, 09 May 2026 01:53:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 15:12:58.032049
• Title: WATSON: Leveraging Data Watchpoints for Shadow Stack Protection on Embedded Systems
• Title（参考訳）: WATSON: 組み込みシステムにおけるシャドウスタック保護のためのデータウォッチポイントの活用
• Abstract要約: 本稿では,組込みシステムのための効率的かつ効果的なシャドウスタックソリューションWATSONを提案する。 標準のハードウェアデバッグユニットであるデータウォッチポイントを活用して,組み込みシステム上でのシャドウスタック保護を実現している。 我々は,ARM CortexMアーキテクチャ上でWATSONのプロトタイプを実装し,そのコンセプトを他のプラットフォームにも適用する。
• 参考スコア（独自算出の注目度）: 2.8498726360118716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Embedded and Internet-of-Things (IoT) devices play a critical role in modern life. Their software and firmware, often developed in memory-unsafe languages like C, are susceptible to memory safety vulnerabilities that can lead to control-flow hijacking attacks. Shadow stack is a defense mechanism against control-flow hijacking that targets return addresses. However, existing shadow stack solutions for embedded systems have the following limitations. First, they lack system-wide protection, particularly for interrupts and exceptions. Second, they introduce high performance overhead. Third, they depend on security extensions like a trusted execution environment, which are not universally available on embedded devices. Finally, they rely on hardware features that have inherent configurable constraints, which pose compatibility challenges when integrating security mechanisms that require similar hardware support. To overcome these limitations, we present WATSON, an efficient and effective shadow stack solution. It leverages a standard hardware debug unit named data watchpoints for shadow stack protection on embedded systems. To prevent unauthorized access to the shadow stack, WATSON leverages the address-matching features of the debug unit to enforce the write protection of the shadow stack. Additionally, WATSON is compatible with compiler options to enforce forward-edge control-flow integrity. We implemented a prototype of WATSON on the ARM CortexM architecture, and the concept also applies to other platforms. The introduced overhead is 7.33% and 1.81% on BEEBS and CoreMark-Pro benchmarks, respectively. We also evaluate WATSON on exception handling and two real-world applications, observing negligible performance overhead and a worst-case code size overhead of 2.11%. Furthermore, our security evaluation demonstrates that WATSON effectively prevents attacks.
• Abstract（参考訳）: 組み込みデバイスとIoT(Internet-of-Things)デバイスは、現代の生活において重要な役割を果たす。 彼らのソフトウェアとファームウェアは、しばしばCのようなメモリ不安全な言語で開発され、制御フローのハイジャック攻撃につながるメモリ安全性の脆弱性の影響を受けやすい。 シャドウスタックは、戻りアドレスをターゲットとする制御フローハイジャックに対する防御メカニズムである。 しかし、組み込みシステムに対する既存のシャドウスタックソリューションには以下の制限がある。 第一に、システム全体の保護、特に割り込みや例外に対する保護がない。 次に、高いパフォーマンスのオーバーヘッドを導入する。 第三に、それらは信頼された実行環境のようなセキュリティ拡張に依存しており、組み込みデバイスでは普遍的に利用できない。 最後に、それらは固有の設定可能な制約を持つハードウェア機能に依存しており、同様のハードウェアサポートを必要とするセキュリティメカニズムを統合する際に互換性上の問題を引き起こす。 これらの制限を克服するため,効率的なシャドウスタックソリューションWATSONを提案する。 標準のハードウェアデバッグユニットであるデータウォッチポイントを活用して,組み込みシステム上でのシャドウスタック保護を実現している。 WATSONは、シャドウスタックへの不正アクセスを防ぐため、デバッグユニットのアドレスマッチング機能を活用して、シャドウスタックの書き込み保護を強制する。 さらに、WATSONは前方制御フローの整合性を強制するコンパイラオプションと互換性がある。 我々は,ARM CortexMアーキテクチャ上でWATSONのプロトタイプを実装し,そのコンセプトを他のプラットフォームにも適用した。 導入されたオーバーヘッドは、それぞれBEEBSとCoreMark-Proベンチマークで7.33%と1.81%である。 また、WATSONを例外処理と2つの実世界のアプリケーションで評価し、無視可能なパフォーマンスオーバーヘッドと最悪のコードサイズオーバーヘッド2.11%を観察した。 さらに,我々のセキュリティ評価は,WATSONが攻撃を効果的に防ぐことを示す。

関連論文リスト

• dfence: Fine-Grained Speculation Barriers for Efficient and Effective Hardware-Software Protection in the Spectre Era (Extended Version) [15.008218573729335]
  我々は、Spectre-PHTとSpectre-STLの両方を最小限のハードウェアサポートで緩和するために、Speculative Load Hardening (SLH)を一般化する新しいCPU命令であるdfenceを導入する。 Proteus CPUのディフェンスを実装し、そのセキュリティと性能を評価し、ベンチマークの平均性能オーバーヘッドを1%以下に抑えている。
  論文  参考訳（メタデータ） (2026-08-06T14:55:00Z)
• Understanding and Evaluating Claw-like Agent Security Through a Computer-Systems Lens [65.53494487819053]
  クローのようなAIエージェント(OpenClawなど)は、認証情報、ファイル、ツール、外部サービスへの永続的なアクセスを伴う、常にオンのプロセスである。 我々はClawのようなエージェントをエージェントコンピュータシステムとして扱い、そのゲートウェイランタイムがOSのような仲介の役割を担っている。 我々は、4つの攻撃面にわたる406の敵タスクのベンチマークであるSafeClawArenaを開発した。
  論文  参考訳（メタデータ） (2026-06-29T18:00:45Z)
• AutoDojo: Adaptive Black-Box Attacks Reveal the Limits of IPI Defenses and Task-Specification Effects in LLM Agents [57.34566159148893]
  間接的プロンプトインジェクション(IPI)は、LLMを動力とするエージェントに対する主要なセキュリティ脅威である。 我々は、特定の防御に対してIPIを最適化するAgentDojoの適応的な拡張であるAutoDojoを開発した。
  論文  参考訳（メタデータ） (2026-06-13T02:09:08Z)
• ExploitGym: Can AI Agents Turn Security Vulnerabilities into Real Attacks? [92.21756459993695]
  低レベルのプログラム推論を必要とするため、爆発は難しい作業です。 その重要性と診断価値にもかかわらず、搾取は未評価のままである。 ExploitGymは、AIエージェントのエクスプロイト能力に関する大規模で多様な、現実的なベンチマークである。
  論文  参考訳（メタデータ） (2026-05-11T18:00:14Z)
• Qwen3Guard Technical Report [127.69960525219051]
  Qwen3Guardは、多言語安全ガードレールモデルである。 生成的Qwen3Guardは、きめ細かい三級判定を可能にする命令追従タスクとして安全分類をキャストする。 Stream Qwen3Guardは、リアルタイム安全監視のためのトークンレベルの分類ヘッドを導入している。
  論文  参考訳（メタデータ） (2025-10-16T04:00:18Z)
• Defending Against Prompt Injection With a Few DefensiveTokens [44.221727642687085]
  大規模言語モデル(LLM)システムは複雑なタスクを実行するために外部データと相互作用する。 システムによってアクセスされたデータに命令を注入することにより、攻撃者は攻撃者が指示する任意のタスクで初期ユーザタスクをオーバーライドすることができる。 システム開発者がフレキシブルな方法で必要な場合にのみセキュリティを確保するためには、例えば防御プロンプトのようなテストタイムディフェンスが提案されている。 トレーニング時の代替に匹敵するプロンプトインジェクションを備えたテストタイムディフェンスであるDefensiveTokenを提案する。
  論文  参考訳（メタデータ） (2025-07-10T17:51:05Z)
• DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
  大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。 この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。 本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-13T05:01:09Z)
• CleanStack: A New Dual-Stack for Defending Against Stack-Based Memory Corruption Attacks [0.0]
  CleanStackは効率的で、互換性が高く、包括的なスタック保護システムである。 CleanStackは、他の安全なスタックオブジェクトからの外部入力に影響されたスタックオブジェクトを分離する。 攻撃者がスタックレイアウトを予測できないようにすることで、非制御データアタックを緩和する。
  論文  参考訳（メタデータ） (2025-03-21T08:55:17Z)
• Fundamental Limitations in Pointwise Defences of LLM Finetuning APIs [56.84338097581665]
  細調整APIの防御は、細調整攻撃を防ぐ能力に基本的に制限されていることを示す。 我々は、危険知識を隠蔽的に伝達するために、良性モデル出力のエントロピーを再利用する'ポイントワイド検出不能'アタックを構築した。 OpenAIの微調整APIに対する攻撃をテストし、有害な複数の質問に対する回答を導き出すことに成功しました。
  論文  参考訳（メタデータ） (2025-02-20T18:45:01Z)
• CoreGuard: Safeguarding Foundational Capabilities of LLMs Against Model Stealing in Edge Deployment [66.72332011814183]
  CoreGuardは、エッジデバイスにデプロイされるプロプライエタリな大規模言語モデル(LLM)の計算と通信効率の保護方法である。 CoreGuardは効率的な保護プロトコルを使用して、計算オーバーヘッドを削減し、伝搬プロトコルによる通信オーバーヘッドを最小限にする。
  論文  参考訳（メタデータ） (2024-10-16T08:14:24Z)
• ShadowBound: Efficient Heap Memory Protection Through Advanced Metadata Management and Customized Compiler Optimization [24.4696797147503]
  ヒープの破損は システムのセキュリティに深刻な脅威をもたらす ユニークなヒープメモリ保護設計であるShadowBoundを紹介します。 LLVMフレームワーク上にShadowBoundを実装し、最先端の3つの無防備を統合しました。
  論文  参考訳（メタデータ） (2024-06-04T07:02:53Z)
• Fully Randomized Pointers [7.1754940591892735]
  本稿では,既存のバイナリソフトウェアとの互換性を維持する強力なメモリエラー対策として,完全ランダム化ポインタ(FRP)を提案する。 FRPはバイナリレベルでは安全で実用的で互換性があり、ハードウェア実装は性能上のオーバーヘッドが低いことを示しています。
  論文  参考訳（メタデータ） (2024-05-21T05:54:27Z)
• CryptSan: Leveraging ARM Pointer Authentication for Memory Safety in C/C++ [0.9208007322096532]
  CryptSanは、ARM Pointer Authenticationに基づくメモリ安全性アプローチである。 M1 MacBook Proで動作するLLVMベースのプロトタイプ実装について紹介する。 これにより、構造化されていないライブラリとの相互運用性とメタデータに対する攻撃に対する暗号化保護が組み合わさって、CryptSanはC/C++プログラムにメモリ安全性を適合させる実行可能なソリューションとなる。
  論文  参考訳（メタデータ） (2022-02-17T14:04:01Z)

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。