論文の概要: InjectV: Modeling Fault Injection Attacks in RISC-V Simulation Environment

• arxiv url: http://arxiv.org/abs/2606.12011v1
• Date: Wed, 10 Jun 2026 12:38:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 14:23:24.347315
• Title: InjectV: Modeling Fault Injection Attacks in RISC-V Simulation Environment
• Title（参考訳）: RISC-Vシミュレーション環境におけるインジェクションV
• Authors: Niccolò Lentini, Giorgio Fardo, Stefano Di Carlo, Alessandro Savino,
• Abstract要約: 本稿では,gem5シミュレータ上に構築されたRISC-Vプラットフォームに対する障害注入攻撃フレームワークであるInjectVを紹介する。 InjectVは、制御フローの決定やカウンタ、比較など、セキュリティクリティカルな実行ポイントでの正確なガイド付きフォールトインジェクションを可能にする。
• 参考スコア（独自算出の注目度）: 39.3098730337656
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fault Injection Attacks (FIAs) are a significant threat to hardware security, capable of compromising systems by inducing malicious faults in computation or storage. Evaluating resilience against such attacks is challenging due to the high cost, complexity, and limited availability of physical fault experiments, particularly during pre-silicon development. Architectural-level simulation offers a developer-oriented, white-box perspective for systematic vulnerability assessment. This paper introduces InjectV, a fault injection attack framework for RISC-V platforms built on the gem5 simulator. InjectV enables precise, guided fault injection at security-critical execution points, such as control-flow decisions, counters, and comparisons, allowing systematic exploration of attack vectors. It currently supports transient fault attacks in registers and memory, broadening its ability to simulate diverse attack scenarios. Experimental results on security benchmarks from the FISSC suite, including hardened variants of the VerifyPIN application, demonstrate InjectV's ability to effectively identify fault-injection points, achieving a 95.8% time-saving advantage over traditional fault injection approaches.
• Abstract（参考訳）: フォールト・インジェクション・アタック(FIA)は、ハードウェアセキュリティに対する重大な脅威であり、計算やストレージに悪意のある障害を発生させることでシステムに悪影響を及ぼすことができる。 このような攻撃に対するレジリエンスを評価することは、特に前シリコン開発において、高いコスト、複雑さ、物理的故障実験の可用性の制限のために困難である。 アーキテクチャレベルのシミュレーションは、システマティックな脆弱性評価のための開発者指向のホワイトボックスの視点を提供する。 本稿では,gem5シミュレータ上に構築されたRISC-Vプラットフォーム用フォールトインジェクションアタックフレームワークであるInjectVを紹介する。 InjectVは、制御フロー決定、カウンタ、比較などのセキュリティクリティカルな実行ポイントでの正確なガイド付きフォールトインジェクションを可能にし、攻撃ベクトルの体系的な探索を可能にする。 現在、レジスタとメモリにおける一時的な障害攻撃をサポートしており、多様な攻撃シナリオをシミュレートする能力を広げている。 VerifyPINアプリケーションの強化版を含むFISSCスイートのセキュリティベンチマークの実験結果は、InjectVがフォールトインジェクションポイントを効果的に識別する能力を示し、従来のフォールトインジェクションアプローチよりも95.8%のタイムセーブ長所を達成している。

関連論文リスト

• Glitch in the Sky: Exploiting Voltage Fault Injection in UAV Flight Controllers [0.14777718769290527]
  我々は、ARMORYを用いたソフトウェアベースの故障シミュレーションと、電圧グリッチプラットフォームを用いたハードウェアベースの実験(Chip-Whisperer)という2つの評価手法を導入する。 特定のフェールセーフモードのターゲット分析により、安全応答の抑制や変更が可能なタイミングに敏感な脆弱性が明らかになった。 ソフトウェアベースのフォールトインジェクションの結果を実際のハードウェア動作に対して検証し、シミュレーション攻撃がCPSのセキュリティと信頼性の明確なリスクにどのように変換されるかを示す。
  論文  参考訳（メタデータ） (2026-04-17T20:56:13Z)
• ReasAlign: Reasoning Enhanced Safety Alignment against Prompt Injection Attack [52.17935054046577]
  本稿では、間接的インジェクション攻撃に対する安全性アライメントを改善するためのモデルレベルのソリューションであるReasAlignを提案する。 ReasAlignには、ユーザクエリの分析、競合する命令の検出、ユーザの意図したタスクの継続性を維持するための構造化された推論ステップが組み込まれている。
  論文  参考訳（メタデータ） (2026-01-15T08:23:38Z)
• Preliminary Investigation into Uncertainty-Aware Attack Stage Classification [81.28215542218724]
  この研究は、不確実性の下での攻撃段階推論の問題に対処する。 Evidential Deep Learning (EDL) に基づく分類手法を提案し、ディリクレ分布のパラメータを可能な段階に出力することで予測の不確実性をモデル化する。 シミュレーション環境における予備実験により,提案モデルが精度良く攻撃の段階を推定できることが実証された。
  論文  参考訳（メタデータ） (2025-08-01T06:58:00Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• CRAFT: Characterizing and Root-Causing Fault Injection Threats at Pre-Silicon [3.6158033114580674]
  フォールトインジェクション攻撃は組み込みシステムに重大なセキュリティ脅威をもたらす。 物理的欠陥がシステムレベルの行動にどのように伝播するかの早期発見と理解は、サイバーインフラ構造を保護するために不可欠である。 この研究は、プレシリコン分析とポストシリコンバリデーションを組み合わせたフレームワークであるCRAFTを導入し、障害インジェクションの脆弱性を体系的に発見し分析する。
  論文  参考訳（メタデータ） (2025-03-05T20:17:46Z)
• Honest to a Fault: Root-Causing Fault Attacks with Pre-Silicon RISC Pipeline Characterization [4.83186491286234]
  本研究の目的は、回路レベルからAI/MLアプリケーションソフトウェアへの障害伝播をトレースしながら、RISC-V命令セットとパイプラインステージ内の障害の影響を特徴づけ、診断することである。 この分析により、制御されたクロックグリッチパラメータによって新たな脆弱性を発見し、特にRISC-Vデコードステージをターゲットにした。
  論文  参考訳（メタデータ） (2025-03-05T20:08:12Z)
• Adversarial defense for automatic speaker verification by cascaded self-supervised learning models [101.42920161993455]
  ますます悪意のある攻撃者は、自動話者検証(ASV)システムで敵攻撃を仕掛けようとする。 本稿では,逐次的自己教師付き学習モデルに基づく標準的かつ攻撃非依存な手法を提案する。 実験により, 本手法は効果的な防御性能を実現し, 敵攻撃に対抗できることを示した。
  論文  参考訳（メタデータ） (2021-02-14T01:56:43Z)
• Investigating Robustness of Adversarial Samples Detection for Automatic Speaker Verification [78.51092318750102]
  本研究は,ASVシステムに対して,別個の検出ネットワークによる敵攻撃から防御することを提案する。 VGGライクな二分分類検出器を導入し、対向サンプルの検出に有効であることが実証された。
  論文  参考訳（メタデータ） (2020-06-11T04:31:56Z)

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。