CHES 2023 issue-1文章总结

来源：https://ches.iacr.org/2023/acceptedpapers.php
简要分类：

1. Risky Translations: Securing TLBs against Timing Side Channels

Florian Stolz, Jan Philipp Thoma, Pascal Sasdrich, Tim Güneysu
Horst Görtz Institute for IT-Security, Ruhr University Bochum

问题与挑战

• 微架构侧信道漏洞: 现代处理器的微架构侧信道漏洞，如Spectre和Meltdown攻击所展示，能够绕过常见的安全边界，如内存隔离，泄露微架构状态中的数据。
• 缓存侧信道攻击: 大多数微架构攻击侧重于缓存侧信道，因为它们易于利用，提供了可靠且细粒度的通信渠道。
• TLB侧信道攻击: 翻译后备缓冲器（TLB）可以被类似地利用，但现有针对缓存的对策并不适用于TLB。

主要工作

• TLB侧信道攻击研究: 分析了基于页表项（TLB）的侧信道攻击，这些攻击利用了与缓存类似的机制。
• 现有对策分析: 研究了现有的缓存安全架构对策，并调查了它们对TLB侧信道的适用性。
• TLBcoat架构设计: 提出了TLBcoat，一种新的TLB架构，用于防御基于时间的侧信道攻击。

创新点

• TLBcoat架构: 引入了一种结合了索引随机化和进程域分离的新TLB设计，以抵抗现有的高级攻击技术，如Prime+Prune+Probe。
• 随机化机制: TLBcoat使用基于每个进程的随机化机制，通过修改随机化函数，适应TLB的访问模式，并引入了每个进程的重新随机化阈值。
• RPLRU替换策略: 为随机化集合结构设计了一种新的替换策略，称为随机化伪最近最少使用（RPLRU），以近似LRU行为而不增加额外的硬件开销。

主要贡献

• TLBcoat实现与评估: 在gem5模拟器中实现了TLBcoat，并使用PARSEC基准测试套件评估了其性能。
• 安全性证明: 提供了在RISC-V基于Linux的系统上的TLB侧信道泄露的证据，并展示了TLBcoat如何防止这种泄露。
• 硬件实现: 提供了TLBcoat的硬件实现，证明了其在现实世界系统中的可行性。

结果

• 性能影响较小: TLBcoat在性能上的影响非常小，与现有的集合关联式TLB相比，仅在TLB缺失率上略有增加。
• 安全性增强: 通过实验验证了TLBcoat能够有效防止侧信道攻击，增强了系统的安全性。
• 硬件开销合理: 在不同制造工艺下，TLBcoat的硬件开销和时间延迟都在可接受范围内，对整体CPU性能的影响不大。

2. Don’t Learn What You Already Know: Grey-Box Modeling for Profiling Side-Channel Analysis against Masking

Loïc Masure, Valence Cristiani, Maxime Lecomte, François-Xavier Standaert
UCLouvain; CEA - Leti

问题与挑战

• 侧信道攻击（SCA）的挑战：随着深度学习在侧信道分析（SCA）中的应用，如何有效对抗掩蔽（masking）等广泛使用的对策成为一个挑战。
• 非知情与最坏情况评估的二分性：在评估使用掩蔽保护的实现时，攻击者是否知道随机数（nonces）的问题存在争议，这影响评估方法的选择和安全性界限的确定。

主要工作

• 方案感知建模：提出了一种新的威胁模型，称为方案感知（scheme-aware），介于非知情和最坏情况模型之间。
• 深度学习与方案知识结合：展示了如何将深度学习的能力与方案感知建模的先验知识结合起来。

创新点

• GroupRecombine层：引入了一种新的神经网络层，用于编码基于组的掩蔽方案的知识，以离散卷积的形式。
• 参数自由：GroupRecombine层无参数，可以替代DNN中的一些上层，减少模型训练参数，同时保持表达能力。

主要贡献

• 方案感知模型的提出：提出了一种新的侧信道分析威胁模型，更接近现实世界的攻击者。
• 效率提升：在模拟和公共数据集上的实验表明，使用方案感知模型可以显著减少训练模型所需的侧信道追踪数量。

结果

• 模拟和实验验证：通过模拟和在ANSSI的SCA数据库（ASCAD）上的实验，验证了方案感知模型的有效性。
• 性能比较：方案感知模型与非知情和最坏情况模型相比，在某些情况下能够以更低的复杂度实现成功的攻击。
  文章通过提出方案感知建模，解决了在非知情和最坏情况评估之间的差距，并展示了在掩蔽对策下的侧信道分析中，如何利用深度学习和方案知识来提高攻击效率。通过模拟和实验验证了新模型的有效性，并讨论了在更高阶掩蔽方案中可能遇到的挑战。

3. Adapting Belief Propagation to Counter Shuffling of NTTs

Julius Hermelink, Silvan Streit, Emanuele Strieder, Katharina Thieme
Universität der Bundeswehr München; Fraunhofer Institute for Applied and Integrated Security

问题与挑战

• NTT在后量子密码学中的侧信道攻击挑战：数论变换（NTT）作为后量子密码学中的关键构建模块，面对基于信念传播（BP）的侧信道攻击（SCA），需要有效的对策。
• 现有对策的局限性：虽然已有的掩蔽和洗牌对策为NTT提供了一定保护，但可能存在被绕过的风险，给予虚假的安全感。

主要工作

• 提出新的预处理步骤和洗牌节点：引入洗牌节点，通过修改BP算法，迭代学习细粒度洗牌的排列。
• 扩展攻击者模型：描述了基于洗牌测量值寻找层间连接的多种匹配算法，使用子图推断减少不确定性。

创新点

• 洗牌节点的设计：作为因子节点，洗牌节点在BP运行中自我学习，调整洗牌因子，提高噪声容忍度。
• 匹配算法的多样性：提供了多种匹配算法，包括混合先验分布和精确排列匹配，以适应不同的攻击场景。

主要贡献

• 洗牌对策的深入分析：对Ravi等人提出的NTT对策进行了系统分析，展示了在特定条件下这些对策可以被绕过。
• 提高攻击效率的工具包：提供了实用的工具包，用于评估BP基础攻击中的洗牌对策，并指出了潜在的漏洞。

结果

• 模拟攻击的验证：通过模拟实验，验证了提出的攻击方法对细粒度洗牌和粗粒度洗牌的有效性。
• 性能比较：展示了方案感知模型与非知情和最坏情况模型相比，在某些情况下能够以更低的复杂度实现成功的攻击。
  文章通过提出方案感知建模，解决了在非知情和最坏情况评估之间的差距，并展示了在掩蔽对策下的侧信道分析中，如何利用深度学习和方案知识来提高攻击效率。通过模拟和实验验证了新模型的有效性，并讨论了在更高阶掩蔽方案中可能遇到的挑战。

4. Find the Bad Apples: An efficient method for perfect key recovery under imperfect SCA oracles - A case study of Kyber

Muyan Shen, Chi Cheng, Xiaohan Zhang, Qian Guo, Tao Jiang
China University of Geosciences, Wuhan; Lund University, Lund, Sweden; Huazhong University of Science and Technology

问题与挑战

• 侧信道攻击（SCA）: 评估后量子密码学提案是否足够成熟以部署时，侧信道韧性是一个关键特性。
• 不完美的SCA oracles: 实际中构建的明文检查（PC）oracle常常是不完美的，这使得恢复的密钥可能存在误差。
• 提高样本复杂性: 在不完美的PC oracle情况下，需要改进侧信道攻击（SCA）的样本复杂性，即所需的跟踪数量。

主要工作

• 提出新方法: 提出了一种通用且有效的方法，用于在不完美的SCA oracles情况下提高样本复杂性。
• 检测错误位置: 设计新的检测代码来确定最初恢复的秘密密钥中的错误位置。
• 少量跟踪纠正: 使用少量额