論文の概要: Characterizing the Variance Envelope: A Multi-Dimensional Analysis of Spectre Telemetry Across Architectures and Workloads

• arxiv url: http://arxiv.org/abs/2608.13920v1
• Date: Fri, 14 Aug 2026 03:46:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.258917
• Title: Characterizing the Variance Envelope: A Multi-Dimensional Analysis of Spectre Telemetry Across Architectures and Workloads
• Title（参考訳）: 可変エンベロープのキャラクタリゼーション:アーキテクチャとワークロード間のスペクトルテレメトリの多次元解析
• Abstract要約: 本稿では,Intel,ARM,AMDアーキテクチャにまたがるアタックシグネチャのシフトの「分散エンベロープ」を特徴付ける。 分析の結果,HPCシグネチャは極めて脆弱で,実行環境によって容易にワープできることが判明した。 AMD Jaguarに対するPrime+Probe攻撃の永続的でハードウェアレベルの障害です。
• 参考スコア（独自算出の注目度）: 2.561649173827544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hardware attacks like Spectre exploit built-in processor vulnerabilities, leaving anomalous footprints in Hardware Performance Counter (HPC) metrics. While machine learning can detect these footprints in controlled settings, static models fail in the real world when confronted with background system noise, diverse attack variants, and adversarial traffic pacing. To close this gap, this paper characterizes the "variance envelope"-the full range of how attack signatures shift- across Intel, ARM, and AMD architectures. We evaluate an extensive experimental matrix encompassing three attack variants, four pacing modes, and four background-noise conditions. Our analysis proves that HPC signatures are highly fragile and easily warped by their execution environment. Furthermore, we expose a critical microarchitectural bottleneck: the persistent, hardware-level failure of Prime+Probe attacks on the AMD Jaguar. Ultimately, this comprehensive characterization demonstrates that reliable runtime detection requires architecture-aware, adaptive monitoring rather than static models.
• Abstract（参考訳）: Spectreのようなハードウェア攻撃は、組み込みプロセッサの脆弱性を悪用し、ハードウェアパフォーマンスカウンタ(HPC)メトリクスに異常なフットプリントを残している。 機械学習は、制御された設定でこれらのフットプリントを検出することができるが、静的モデルは、バックグラウンドシステムのノイズ、多様なアタックバリアント、および対向的なトラフィックペーシングに直面すると、現実世界で失敗する。 このギャップを埋めるために、この論文では、Intel、ARM、AMDアーキテクチャ間での攻撃シグネチャのシフトの完全な範囲である「分散エンベロープ」を特徴付ける。 本研究では,3つの攻撃変種,4つのペーシングモード,4つの背景雑音条件を含む広範囲な実験行列の評価を行った。 分析の結果,HPCシグネチャは極めて脆弱で,実行環境によって容易にワープできることが判明した。 さらに、AMD Jaguarに対するPrime+Probe攻撃の永続的でハードウェアレベルの障害という、重要なマイクロアーキテクチャのボトルネックを明らかにします。 究極的には、この包括的な特徴は、信頼できるランタイム検出には静的モデルではなくアーキテクチャを意識した適応的な監視が必要であることを示している。

関連論文リスト

• ALLUDE: A Unified Evaluation System for Configurable Attacks in Differentiable Environments [57.11645440673911]
  物体検出器のような視覚モデルに対するアドリアック攻撃は、しばしば限られた条件下で評価され、その性能は過小評価される。 ALLUDEはLinuxとWindowsにまたがって第一種評価機能を提供する。
  論文  参考訳（メタデータ） (2026-07-19T05:02:58Z)
• Replicating the Signature: Unsupervised Targeted Impersonation Attack on RF Fingerprinting [3.065243326333468]
  本稿では,RFフィンガープリント(RFFP)識別システムを,対象装置のハードウェア固有の障害を再現する信号を合成することによって,偽装攻撃の枠組みを提案する。 我々のフレームワークは教師なし学習を活用して正確な障害推定を可能にし、信号処理に基づく生成と組み合わせて高忠実度対向信号の合成を行う。
  論文  参考訳（メタデータ） (2026-07-06T18:33:57Z)
• MIPSBLEED: Uncovering Microarchitectural Timing Leaks in Pervasive Embedded Processors [1.2461503242570642]
  本稿では、MIPSベースのプラットフォーム上で、同時マルチスレッドが強力なクロスコアタイミングチャネルを生成する方法を明らかにする。 MIPSBLEEDは3つの共有マイクロアーキテクチャーコンポーネントのリークを明らかにするシステム解析およびエクスプロイトフレームワークである。 特権アクセスを必要としない実用的で高精度なタイミング攻撃を実演する。
  論文  参考訳（メタデータ） (2026-06-15T08:10:00Z)
• Non-Parametric Machine Text Detection via Multi-View Gaussian Processes [7.608133101747672]
  文書は複数の補完的な信号を持ち、それを抑える攻撃は他人をそのままにしておく。 同じ文書から補完的な特徴ビューを抽出する多視点非パラメトリック検出フレームワークを提案する。 見解にまたがって証拠を集約することにより、敵は同時に複数の独立した検出軸を倒さなければならない。
  論文  参考訳（メタデータ） (2026-06-12T03:11:25Z)
• Defending against Patch-Based and Texture-Based Adversarial Attacks with Spectral Decomposition [29.049635093468456]
  敵対的な例は、ディープニューラルネットワーク(DNN)アプリケーションのセキュリティに重大な課題を示している。 パッチベースおよびテクスチャベースの攻撃は、監視や自律システムにおける人検出などのセキュリティクリティカルなアプリケーションに対して、真の脅威となる。 本稿では,複数の周波数スケールの対向パターンを解析するために,ASD(Adversarial Spectrum Defense)を提案する。
  論文  参考訳（メタデータ） (2026-04-12T16:24:08Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• Experimental Evaluation of Security Attacks on Self-Driving Car Platforms [0.0]
  自動運転車のディープラーニングに基づく知覚パイプラインは、敵の操作とネットワーク層破壊の両方に対して脆弱である。 FGSM,PGD,man-in-the-middle (MitM), denial-of-service (DoS), ファントム攻撃の5つの攻撃クラスについて,系統的,オンハードウェア,実験的評価を行った。 我々の分析では、異なる攻撃クラスがこれらの次元にわたって一貫した、分離可能な「フィンガープリント」を生成することが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-14T21:23:10Z)
• 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)
• Backdoor Cleaning without External Guidance in MLLM Fine-tuning [76.82121084745785]
  Believe Your Eyes (BYE)は、アテンションエントロピーパターンを自己教師信号として活用して、バックドアサンプルを特定してフィルタリングするデータフィルタリングフレームワークである。 クリーンタスクのパフォーマンスを維持しながら、ほぼゼロの攻撃成功率を達成する。
  論文  参考訳（メタデータ） (2025-05-22T17:11:58Z)
• From Environmental Sound Representation to Robustness of 2D CNN Models Against Adversarial Attacks [82.21746840893658]
  本稿では, 各種環境音響表現(スペクトログラム)が, 被害者残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 DWTスペクトログラムでトレーニングしたResNet-18モデルでは高い認識精度が得られたが、このモデルに対する攻撃は敵にとって比較的コストがかかる。
  論文  参考訳（メタデータ） (2022-04-14T15:14:08Z)
• Adaptive Feature Alignment for Adversarial Training [56.17654691470554]
  CNNは通常、敵攻撃に対して脆弱であり、セキュリティに敏感なアプリケーションに脅威をもたらす。 任意の攻撃強度の特徴を生成するための適応的特徴アライメント(AFA)を提案する。 本手法は任意の攻撃強度の特徴を自動的に整列するように訓練されている。
  論文  参考訳（メタデータ） (2021-05-31T17:01:05Z)

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。