論文の概要: WarpGuard: Towards Control-Flow Attestation for Heterogeneous CPU-GPU Execution
- arxiv url: http://arxiv.org/abs/2607.13640v1
- Date: Wed, 15 Jul 2026 09:32:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.720793
- Title: WarpGuard: Towards Control-Flow Attestation for Heterogeneous CPU-GPU Execution
- Title（参考訳）: WarpGuard: 異種CPU-GPU実行のための制御フロー検証に向けて
- Authors: Christian Lindenmeier, Meni Orenbach, Amro Awad, Fabian Schwarz, Fritz Alder, Ahmad Atamli,
- Abstract要約: We present WarpGuard, a first Composite CFA framework for heterogeneous CPU-GPU workloads。
CPUとGPUコンポーネントの両方をキャプチャする統合制御フローグラフ(CFG)に対する実行を検証する。
We implement WarpGuard using software-based instrumentation, allows no special hardware or binary modifieds。
- 参考スコア（独自算出の注目度）: 5.687515869589544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Heterogeneous CPU-GPU workloads are increasingly used in safety-critical embedded systems, yet no existing approach provides joint attestation of their execution. Prior Control-Flow Attestation (CFA) techniques focus on CPU-side CFA, while GPU attestation is limited to static, load-time verification and does not provide runtime guarantees. As a result, runtime attacks on GPU kernels and violations of the CPU-GPU interaction contract remain unaddressed. We present WarpGuard, the first composite CFA framework for heterogeneous CPU-GPU workloads. WarpGuard verifies execution against a unified control-flow graph (CFG) that captures both CPU and GPU components. It extends prior CFA techniques in two ways: it enables runtime CFA of GPU kernels by tracing their execution against kernel-specific CFGs, and it monitors kernel launch events and enforces per-call site policies to detect violations at the CPU-GPU boundary. These extensions address challenges arising from GPU parallelism and cross-device interactions. We implement WarpGuard using software-based instrumentation, requiring no specialized hardware or binary modifications. Our evaluation on an NVIDIA Jetson Orin Nano shows that WarpGuard detects GPU-side control-flow and cross-boundary attacks. Across microbenchmarks, SPECAccel, and eight TensorRT inference workloads, WarpGuard incurs moderate overheads, suggesting practicality for embedded safety-critical settings.
- Abstract（参考訳）: 不均一なCPU-GPUワークロードは、安全クリティカルな組み込みシステムでの利用が増えているが、既存のアプローチでは、その実行を共同で検証する手段を提供していない。
事前制御フロー検証(CFA)技術はCPU側のCFAに重点を置いているが、GPU検証は静的なロードタイム検証に限定されており、実行時の保証を提供していない。
結果として、GPUカーネルに対する実行時攻撃とCPU-GPUインタラクション契約違反は未解決のままである。
We present WarpGuard, a first Composite CFA framework for heterogeneous CPU-GPU workloads。
WarpGuardは、CPUとGPUコンポーネントの両方をキャプチャする統合制御フローグラフ(CFG)に対して実行を検証する。
カーネル固有のCFGに対して実行をトレースすることで、GPUカーネルのランタイムCFAを可能にし、カーネルの起動イベントを監視し、CPU-GPUバウンダリにおける違反を検出するコール毎サイトポリシを強制する。
これらの拡張は、GPU並列性とデバイス間のインタラクションに起因する課題に対処する。
We implement WarpGuard using software-based instrumentation, allows no special hardware or binary modifieds。
NVIDIA Jetson Orin Nanoを用いた評価では、WarpGuardがGPU側の制御フローとクロスバウンダリ攻撃を検出する。
マイクロベンチマーク、SPECAccel、および8つのTensorRT推論ワークロード全体で、WarpGuardは適度なオーバーヘッドを発生させ、組込み安全クリティカルな設定の実践性を示唆している。
関連論文リスト
- Portable Acceleration of Learning With Errors KEMs for Post-Quantum Cryptography [0.0]
OpenMP Targetオフロードを用いた格子ベースの暗号スキームのポータブルGPU実装を提案する。
その結果、OpenMP Targetのオフロードは、異種GPUエコシステム間のソースレベルのポータビリティを保ちながら、マルチコアCPUベースライン上で大幅に加速することがわかった。
論文 参考訳（メタデータ） (2026-07-10T15:46:20Z) - Challenges and Design Considerations for Finding CUDA Bugs Through GPU-Native Fuzzing [8.147859459325387]
異種システムにおけるメモリ安全性確保の鍵となる課題について検討する。
異種システムにおける悪用可能なバグの数は毎年増えているが、現在の緩和方法は不信な翻訳に依存することが多い。
論文 参考訳（メタデータ） (2026-03-05T22:26:36Z) - Scalable GPU-Based Integrity Verification for Large Machine Learning Models [4.301162531343759]
我々は、CPUとGPUプラットフォーム間の整合性保護を標準化することで、分散機械学習を強化するセキュリティフレームワークを提案する。
提案手法は,GPUアクセラレータ上での大規模なMLモデル実行と直接的に整合性検証を行う。
私たちは、基盤となるCPUやGPUインフラストラクチャに関係なく、エンタープライズチームがデプロイできるハードウェアに依存しない基盤を提供します。
論文 参考訳（メタデータ） (2025-10-27T23:45:21Z) - ShadowScope: GPU Monitoring and Validation via Composable Side Channel Signals [6.389108369952326]
GPUカーネルは、従来のメモリ安全性問題と新たなマイクロアーキテクチャ脅威の両方に対して脆弱である。
構成可能なゴールデンモデルを活用した監視・検証フレームワークであるShadowScopeを提案する。
また、GPUパイプラインに軽量のオンチップチェックを統合するハードウェア支援のバリデーションメカニズムであるShadowScope+も導入しています。
論文 参考訳（メタデータ） (2025-08-30T01:38:05Z) - Detecting Hardware Trojans in Microprocessors via Hardware Error Correction Code-based Modules [49.1574468325115]
ハードウェアトロイの木馬(HT)は、攻撃者が無許可のソフトウェアを実行したり、特権操作に不正にアクセスしたりすることができる。
RISC-Vマイクロプロセッサ上のエラー訂正符号(ECC)を用いて,ランタイムHTアクティベーションを検出するハードウェアベースの手法を紹介する。
論文 参考訳（メタデータ） (2025-06-18T12:37:14Z) - Exploiting Inaccurate Branch History in Side-Channel Attacks [54.218160467764086]
本稿では,リソース共有と競合が広く実装されているが文書化されていない2つの特徴,バイアスフリー分岐予測と分岐履歴推定にどのように影響するかを検討する。
これらの機能は、ブランチ履歴バッファ(BHB)の更新動作を不注意に修正し、悪意のある誤定義を引き起こす新しいプリミティブを作成することができる。
2つのSpectre攻撃、すなわちSpectre-BSEとSpectre-BHSと、BiasScopeと呼ばれるクロスプライマリ制御フローサイドチャネル攻撃である。
論文 参考訳（メタデータ） (2025-06-08T19:46:43Z) - ThunderKittens: Simple, Fast, and Adorable AI Kernels [43.32681787348603]
We present ThunderKittens (TK), a framework for write performanceant AI kernels while rest to use and maintain。
我々は、さまざまなAI操作に対して、以前のカーネルと一致するか、より優れているカーネルを提供することで、TKの価値を示す。
論文 参考訳（メタデータ） (2024-10-27T10:07:16Z) - Harnessing Deep Learning and HPC Kernels via High-Level Loop and Tensor Abstractions on CPU Architectures [67.47328776279204]
この研究は、効率的でポータブルなDeep LearningとHigh Performance Computingカーネルを開発するためのフレームワークを導入している。
1)プロセッシングプリミティブ(TPP)を用いた計算コアの表現と,2)高レベルな宣言的手法でTPPのまわりの論理ループの表現の2つのステップでカーネルの開発を分解する。
我々は、スタンドアロンカーネルと、さまざまなCPUプラットフォームにおける最先端実装よりも優れたエンドツーエンドワークロードを使用して、このアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-25T05:04:44Z) - Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO [46.20949184826173]
この研究は、既存のコンピュータビジョンアルゴリズムを改善するために、効率的な低レベルGPUハードウェア固有の命令の適用性に焦点を当てている。
特に、非マックス抑圧とその後の特徴選択は、全体的な画像処理遅延への顕著な寄与である。
論文 参考訳（メタデータ） (2020-03-30T14:16:23Z)
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。