論文の概要: From Fleet to Lab: Revisiting the Security and Complexity of Industrial Rowhammer Mitigation

• arxiv url: http://arxiv.org/abs/2608.26072v1
• Date: Wed, 26 Aug 2026 17:38:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:16.008257
• Title: From Fleet to Lab: Revisiting the Security and Complexity of Industrial Rowhammer Mitigation
• Title（参考訳）: フリートからラボへ:産業用ローハンマーの安全性と複雑さを再考する
• Authors: Hritvik Taneja, Moinuddin Qureshi,
• Abstract要約: 本稿では,メモリコントローラ(MC)におけるローハンマー緩和の効率と安全性について検討する。 Rowhammerの緩和は、追跡ストレージと緩和レートの根本的なトレードオフに直面している。 Microsoftは最近、MC側のRowhammerディフェンスであるSigriesをデプロイした。これは、未計画のMisra-Griesトラッカーと行サンプリングのフォールバックを組み合わせたものだ。
• 参考スコア（独自算出の注目度）: 2.1198879079315573
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper studies efficient and secure Rowhammer mitigation at the Memory-Controller (MC). Rowhammer mitigation faces a fundamental tradeoff between tracking storage and mitigation rate: precise trackers (such as Misra-Gries) avoid unnecessary mitigations but require large CAM structures, whereas sampling-based schemes (such as PARA) require no storage but incur frequent mitigations even when not under attack. Microsoft recently deployed Sigries, an MC-side Rowhammer defense that combines an under-provisioned Misra-Gries tracker with a row-sampling fallback, in its Azure Cobalt 200 SoC. Sigries observed that the tracker-to-sampling transition can be insecure, and claimed the reverse transition is always safe. Our analysis shows that this transition is also vulnerable, and a Round-Robin Attack across sub-banks reduces the MTTF of Sigries to about 1 second, 8 orders of magnitude below the 13 years with PARA. Sigries also suffers from CAM complexity and high storage overheads. Our proposal, FiRM (Filtered Rowhammer Mitigation), is based on the insight that, for a secure design, the tracking-mode and sampling-mode should not be configured independently but co-designed to ensure the system remains secure not only in both modes but also during transitions. FiRM incurs zero slowdown for benign workloads, since they do not exceed the filtering threshold, and also replaces the complex CAM-based tracker with simple SRAM filters. To handle stressful patterns, we propose FiRM-P (probabilistic) and FiRM-D (deterministic). FiRM-P uses varying probabilities during transitions and steady state to ensure both security and low performance overhead. FiRM-D provides guaranteed deterministic security by modulating the rate of mitigation. Both FiRM-P and FiRM-D have less storage overhead than Sigries. Our paper shows that a principled approach can avoid both the insecurity and the complexity of Sigries.
• Abstract（参考訳）: 本稿では,メモリコントローラ(MC)におけるRowhammerの効率と安全性について検討する。 正確なトラッカー(Misra-Griesなど)は不要な緩和を回避するが、大きなCAM構造を必要とする。 Microsoftは最近、Azure Cobalt 200 SoCで、未計画のMisra-Griesトラッカーと行サンプリングのフォールバックを組み合わせた、MC側のRowhammerディフェンスであるSigriesをデプロイした。 シグリーは、トラッカーからサンプリングへの遷移は安全でない可能性があり、逆遷移は常に安全であると主張した。 我々の分析では、この遷移もまた脆弱であり、サブバンク間のラウンドロビンアタックは、PARAで13年以下で約1秒、8桁までSigriesのMTTFを減少させる。 Sigriesはまた、CAMの複雑さと高いストレージオーバーヘッドに悩まされている。 我々の提案であるFIRM(Filtered Rowhammer Mitigation)は、セキュアな設計では、トラッキングモードとサンプリングモードを独立して設定するべきではないが、両方のモードだけでなく、遷移中においてもシステムの安全性を確保するために共同設計するべきだという知見に基づいている。 FiRMは、フィルタしきい値を超えず、複雑なCAMベースのトラッカーを単純なSRAMフィルタで置き換えるため、良質なワークロードでゼロスローダウンを発生させる。 ストレスの多いパターンを扱うために,FiRM-P(確率的)とFiRM-D(決定論的)を提案する。 FiRM-Pは、セキュリティと低パフォーマンスのオーバーヘッドを確実にするために、遷移と定常状態の間に様々な確率を使用する。 FiRM-Dは緩和率を調節することで決定論的安全性を保証する。 FiRM-PもFiRM-DもSigriesよりストレージオーバーヘッドが少ない。 本稿は、Sigriesの安全性と複雑さの両方を回避するための原則的なアプローチを示す。

関連論文リスト

• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• Robust Shielding for Safe Reinforcement Learning [55.99069346593732]
  マルコフ決定過程(MDPs)における強化学習エージェントの安全性を正式に保証するための遮蔽は効果的なアプローチである 遷移確率の集合を持つ頑健なMDPのための新しい遮蔽フレームワークを提案する。 実験の結果,学習用MDPのシールドは未知のMDPの安全性を確保しつつ,サンプル数の増加とともに高い期待リターンを回復することがわかった。
  論文  参考訳（メタデータ） (2026-05-29T19:01:12Z)
• $D^2$-Monitor: Dynamic Safety Monitoring for Diffusion LLMs via Hesitation-Aware Routing [63.49501120848927]
  大規模言語モデル(D-LLM)の安全性監視はほとんど未検討である。 D-LLMの2レベル安全モニタであるD2$-Monitorを提案する。 D2$-Monitorは、常にオンのモニターとして軽量プローブを採用して、ヒューズレーションを共同で見積もり、ベース分類を実行する。
  論文  参考訳（メタデータ） (2026-05-25T14:22:21Z)
• Loaded Dice: Solving the Non-Selection Problem for Scalable Probabilistic RowHammer Defense [12.03490786085903]
  JEDECは、オプションのDDR5機能として、Alert Back-Offプロトコルを使ったPer Row Activation Countingを導入した。 PRACは、領域のオーバーヘッドを発生させるロー単位のカウンタセルを必要とし、アクティベーション毎に更新することでDRAMタイミングパラメータを延長する。 本稿では,ウィンドウ間のサンプル行を関連付ける,交差点に基づく確率的緩和手法PrISMを提案する。
  論文  参考訳（メタデータ） (2026-05-17T09:54:02Z)
• RankGuide: Tensor-Rank-Guided Routing and Steering for Efficient Reasoning [10.68221932401407]
  大きな推論モデル(LRM)は、かなりの推論遅延と計算オーバーヘッドを引き起こす。 テンソルランク誘導ステアリングによる協調の効率性と有効性を向上させるフレームワークであるRanGuideを提案する。 RankGuideは、従来の方法と比較して競合精度を維持しながら、LRMと比較してレイテンシを最大1.75タイム削減する。
  論文  参考訳（メタデータ） (2026-04-17T20:51:04Z)
• LLM Readiness Harness: Evaluation, Observability, and CI Gates for LLM/RAG Applications [51.56484100374058]
  評価をデプロイメント決定ワークフローに変換するLLMおよびRAGアプリケーションのための準備性ハーネスを提案する。 このシステムは、最小限のAPI契約の下で、自動ベンチマーク、OpenTelemetryオブザーバビリティ、CI品質ゲートを組み合わせる。 チケットルーティングとBEIRタスクのハーネスを、完全なAzureマトリックスカバレッジで評価する。
  論文  参考訳（メタデータ） (2026-03-28T18:03:32Z)
• Are Reasoning LLMs Robust to Interventions on Their Chain-of-Thought? [79.86483056611105]
  推論 LLM は、答えを出す前にステップバイステップの思考連鎖を生成する。 これらの推論は、その内部で発生する破壊の痕跡をどれほど堅牢にしていますか? 一定のタイミングでモデル自身のCoTを摂動させる制御された評価フレームワークを導入する。
  論文  参考訳（メタデータ） (2026-02-07T10:02:58Z)
• COSMO-RL: Towards Trustworthy LMRMs via Joint Safety and Stability [101.80200069234377]
  COSMO-RLは,マルチモーダル・マルチタスク・マルチオブジェクト信号下でLMRMを学習する混合強化学習フレームワークである。 我々のアプローチは、アライメント中に競合するのではなく、安全と能力をひとつの安定したパイプラインで一緒に成長させることを目的としています。
  論文  参考訳（メタデータ） (2025-10-05T13:30:03Z)
• Probabilistic Tracker Management Policies for Low-Cost and Scalable Rowhammer Mitigation [5.597216094757414]
  近年、TRRのようなソリューションがDDR4 DRAMにデプロイされ、攻撃行を追跡し、隣の行をリフレッシュすることで緩和作用が発行されている。 このようなDRAM内のソリューションはリソース制約(攻撃行を追跡するために数十のカウンタしかプロビジョニングできない)であり、それらを騙すのに使われた攻撃をスラッシングする傾向がある。 本研究は,資源制約トラッカーを用いた安全でスケーラブルなローハマー緩和を実証する。
  論文  参考訳（メタデータ） (2024-04-24T23:57:58Z)
• ScionFL: Efficient and Robust Secure Quantized Aggregation [36.668162197302365]
  我々は,フェデレートラーニングのための最初のセキュアアグリゲーションフレームワークであるScionFLを紹介する。 量子化された入力で効率的に動作し、同時に悪意のあるクライアントに対して堅牢性を提供する。 クライアントのオーバーヘッドがなく、サーバのオーバーヘッドも緩やかなため、標準的なFLベンチマークに匹敵する精度が得られます。
  論文  参考訳（メタデータ） (2022-10-13T21:46:55Z)

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。