論文の概要: ROBBIN: Rowhammer-Based Backdoor Injection during Inference

• arxiv url: http://arxiv.org/abs/2608.23774v1
• Date: Mon, 24 Aug 2026 19:09:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.56579
• Title: ROBBIN: Rowhammer-Based Backdoor Injection during Inference
• Title（参考訳）: ROBBIN:Rowhammer-based backdoor Injection during inference (特集 バイオサイバネティックスとバイオサイバネティックス)
• Abstract要約: ROBBINはハードウェア対応のRowhammerベースのバックドアインジェクション攻撃で、デバイス固有の脆弱性をバックドア構築プロセスに統合する。 ROBBINは一貫して90%のASRを達成し、TAは83%以上を維持し、多様なDRAMデバイスで信頼性の高いバックドアの有効性を示す。
• 参考スコア（独自算出の注目度）: 8.946680858914101
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing Rowhammer-based inference-time backdoor attacks design their bit-flip strategies purely at the algorithmic level, without accounting for the bit-flips that the underlying DRAM hardware will actually produce. This disconnection between the algorithmic backdoor construction and its hardware realization leads to unreliable attack performance, as collateral bit-flips at unintended locations degrade both the attack success rate (ASR) on triggered inputs and the test accuracy (TA) for normal inputs. Consequently, the performance of such attacks varies significantly across different DRAM devices, as each device presents a unique set of exploitable bit-flip locations. This work presents ROBBIN, a hardware-aware Rowhammer-based backdoor injection attack that integrates the device-specific vulnerability into the backdoor construction process. ROBBIN first characterizes the bit-flip patterns of a target DRAM and uses this information to iteratively select DRAM \textit{page} mappings for the model weights that would maximize ASR while preserving TA under Rowhammering. By treating every hammering-induced bit-flip as an integral part of the attack design rather than first constructing a hardware-agnostic backdoor and dismissing collateral flips as side effects, ROBBIN produces backdoors that remain robust across devices. Evaluated on ResNet-20 and VGG-16 with CIFAR-10 across three commodity DDR4 chips, ROBBIN consistently achieves close to 90\% ASR while maintaining TA above 83\%, demonstrating reliable backdoor efficacy across diverse DRAM devices.
• Abstract（参考訳）: 既存のRowhammerベースの推論時バックドア攻撃は、基盤となるDRAMハードウェアが実際に生成するビットフリップを考慮せずに、そのビットフリップ戦略を純粋にアルゴリズムレベルで設計する。 このアルゴリズムによるバックドア構築とハードウェア実現の切り離しは、意図しない場所でのコラテラルビットフリップが、トリガ入力における攻撃成功率(ASR)と通常の入力に対するテスト精度(TA)の両方を劣化させるため、信頼性の低い攻撃性能をもたらす。 その結果、異なるDRAMデバイス間で、それぞれのデバイスがユニークなビットフリップ位置を示すため、このような攻撃のパフォーマンスは著しく異なる。 ROBBINはハードウェアを意識したRowhammerベースのバックドアインジェクション攻撃で、デバイス固有の脆弱性をバックドア構築プロセスに統合する。 ROBBINはまずターゲットDRAMのビットフリップパターンを特徴付け、この情報を用いて、ローハンメリングの下でTAを保持しながらASRを最大化するモデル重みに対するDRAM \textit{page}マッピングを反復的に選択する。 ハードウェアに依存しないバックドアを構築したり、横方向のフリップを副作用として取り除いたりするのではなく、全てのハンマーによるビットフリップを攻撃設計の不可欠な部分として扱うことで、ROBBINはデバイス間で堅牢なバックドアを生成する。 ResNet-20 と VGG-16 を CIFAR-10 で3つの DDR4 チップで評価し、ROBBIN は一貫して 90 % ASR に近づき、TA は 83 % 以上を維持し、様々な DRAM デバイスで信頼性の高いバックドアの有効性を実証している。

関連論文リスト

• From Prompt to Physical Action: Structured Backdoor Attacks on LLM-Mediated Robotic Control Systems [3.6185608572339962]
  大規模言語モデル(LLM)は、ユーザプロンプトを実行可能なコマンドに変換するために、ロボット制御パイプラインに統合される。 このデジタル・物理的インターフェースは、重要で未発見の脆弱性、すなわち微調整中に埋め込まれた構造化バックドア攻撃を導入している。 LLMによるROS2ロボット制御システムにおけるLoRAベースのサプライチェーンバックドアを実験的に検討し、ロボットの物理的実行への影響を評価する。
  論文  参考訳（メタデータ） (2026-04-04T23:06:16Z)
• Assimilation Matters: Model-level Backdoor Detection in Vision-Language Pretrained Models [71.44858461725893]
  信頼できない第三者によって微調整されたモデルを考えると、モデルがバックドアで注入されたかどうかが重要で難しい問題である。 既存の検出方法は通常、トレーニングデータセット、バックドアトリガー、ターゲットの事前知識に依存する。 このような事前知識を伴わずに動作する新しいモデルレベルの検出フレームワークであるAssimilation Matters in DETection (AMDET)を紹介する。
  論文  参考訳（メタデータ） (2025-11-29T06:20:00Z)
• HAMLOCK: HArdware-Model LOgically Combined attacK [6.047087245941092]
  本稿では,Hardware-Model Logically Combined Attack (HAMLOCK)を紹介する。 HamLOCKは、ハードウェアとソフトウェアの境界を越えて攻撃ロジックを分散する、はるかにステルスな脅威である。 ハードウェア・ソフトウェア・インタフェースに重大な脆弱性が発見され,新たな層間防御が要求された。
  論文  参考訳（メタデータ） (2025-10-22T00:31:49Z)
• Rubber Mallet: A Study of High Frequency Localized Bit Flips and Their Impact on Security [6.177931523699345]
  現代のDRAMの密度は、特定のメモリ行に繰り返しアクセスすることでビットフリップを誘発するRowhammer攻撃に対する脆弱性を高めている。 本稿では,既存のハードウェアディフェンスをバイパスする高度なRowhammer技術によって生成されたビットフリップパターンの解析を行う。
  論文  参考訳（メタデータ） (2025-05-02T18:07:07Z)
• Neural Antidote: Class-Wise Prompt Tuning for Purifying Backdoors in CLIP [51.04452017089568]
  CBPT(Class-wise Backdoor Prompt Tuning)は、テキストプロンプトでCLIPを間接的に浄化する効率的な防御機構である。 CBPTは、モデルユーティリティを保持しながら、バックドアの脅威を著しく軽減する。
  論文  参考訳（メタデータ） (2025-02-26T16:25:15Z)
• ELBA-Bench: An Efficient Learning Backdoor Attacks Benchmark for Large Language Models [55.93380086403591]
  生成可能な大規模言語モデルは、バックドアアタックに対して脆弱である。 $textitELBA-Bench$は、パラメータを効率的に微調整することで攻撃者がバックドアを注入できるようにする。 $textitELBA-Bench$は1300以上の実験を提供する。
  論文  参考訳（メタデータ） (2025-02-22T12:55:28Z)
• BEEAR: Embedding-based Adversarial Removal of Safety Backdoors in Instruction-tuned Language Models [57.5404308854535]
  大型言語モデル(LLM)における安全バックドア攻撃は、正常な相互作用中の検出を回避しながら、安全でない振る舞いをステルス的に引き起こすことができる。 モデル埋め込み空間において,バックドアトリガーが比較的均一なドリフトを引き起こすという知見を活かした緩和手法であるBEEARを提案する。 両レベル最適化手法は、不要な振る舞いを誘発する普遍的な埋め込み摂動を特定し、モデルパラメータを調整し、これらの摂動に対する安全な振舞いを強化する。
  論文  参考訳（メタデータ） (2024-06-24T19:29:47Z)
• Threshold Breaker: Can Counter-Based RowHammer Prevention Mechanisms Truly Safeguard DRAM? [8.973443004379561]
  本稿では,Threshold Breakerと呼ばれる多面的障害注入攻撃手法を実験的に実証する。 ターゲットの行から遠い物理的距離で行をソフトアタックすることで、最も先進的なカウンターベース防御機構を効果的に回避することができる。 ケーススタディとして、現代のディープニューラルネットワーク(DNN)に対して対向重み攻撃を行うことにより、我々のメカニズムとよく知られた両面攻撃のパフォーマンス効率を比較する。
  論文  参考訳（メタデータ） (2023-11-28T03:36:17Z)
• Evil from Within: Machine Learning Backdoors through Hardware Trojans [51.81518799463544]
  バックドアは、自動運転車のようなセキュリティクリティカルなシステムの整合性を損なう可能性があるため、機械学習に深刻な脅威をもたらす。 私たちは、機械学習のための一般的なハードウェアアクセラレーターに完全に存在するバックドアアタックを導入します。 我々は,Xilinx Vitis AI DPUにハードウェアトロイの木馬を埋め込むことにより,攻撃の実現可能性を示す。
  論文  参考訳（メタデータ） (2023-04-17T16:24:48Z)
• FLIP: A Provable Defense Framework for Backdoor Mitigation in Federated Learning [66.56240101249803]
  我々は,クライアントの強固化がグローバルモデル(および悪意のあるクライアント)に与える影響について検討する。 本稿では, 逆エンジニアリングによる防御手法を提案するとともに, 堅牢性を保証して, 改良を実現できることを示す。 競合する8つのSOTA防御法について, 単発および連続のFLバックドア攻撃に対して, 提案手法の実証的優位性を示した。
  論文  参考訳（メタデータ） (2022-10-23T22:24:03Z)
• Don't Knock! Rowhammer at the Backdoor of DNN Models [19.13129153353046]
  Rowhammerをフォールトインジェクション法として用いたモデル上で,実際のハードウェア上で実現したエンドツーエンドのバックドアインジェクション攻撃を提案する。 ハードウェアにおけるリアルなバックドアインジェクション攻撃を実現するために,制約付き最適化に基づく新しいネットワークトレーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-14T19:43:53Z)

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。