تقييم شامل لتدابير مواجهة تعلم الآلة لرصد هجمات القنوات الجانبية المعمارية الدقيقة

لقد شكلت هجمات القنوات الجانبية المعمارية الدقيقة تهديدات خطيرة على أمن أنظمة الحوسبة الحديثة. تستغل هذه الهجمات الثغرات في القنوات الجانبية الناجمة عن مكونات أداء أساسية تعزز الأداء مثل ذاكرات التخزين المؤقت. لقد تناولت الأعمال الحالية في اكتشاف هجمات القنوات الجانبية المعمارية الدقيقة استغلال كل من أحداث الأجهزة الخاصة بتطبيقات الضحية والهجوم التي يتم Captured من عدادات أداء الأجهزة الخاصة بالمعالجات. ومع ذلك، في مثل هذه التقنيات يمكن التلاعب بسهولة في بيانات HPC الخاصة بالهجوم و/أو إفسادها، مما يؤدي إلى تضليل آلية اكتشاف هجمات القنوات الجانبية المعمارية الدقيقة. بالإضافة إلى ذلك، استكشت الدراسات السابقة ملاءمة عدد محدود من خوارزميات تعلم الآلة في اكتشاف هجمات القنوات الجانبية المعمارية الدقيقة. استجابة لذلك، نقوم في هذه الورقة بإجراء تقييم شامل لمختلف التدابير القائمة على تعلم الآلة لاكتشاف هجمات القنوات الجانبية في الوقت الحقيقي استنادًا إلى ميزات معمارية دقيقة منخفضة المستوى. لهذه الغاية، يتم جمع سلوك التطبيقات الضحية باستخدام ميزات HPC وتحليله في ظروف عدم الهجوم والهجوم لتجنب التلاعب المحتمل في بيانات HPC الخاصة بالهجوم. نستكشف أيضًا عبء مراقبة HPC عند أخذ عينات من الميزات المعمارية الدقيقة في فترات زمنية مختلفة لمعرفة فترة أخذ العينات المناسبة لاكتشاف هجمات القنوات الجانبية المعمارية الدقيقة. لأغراض التحليل الشامل، يتم تنفيذ أنواع مختلفة من مصنفات تعلم الآلة ويتم مقارنتها بدقة عبر مقاييس تقييم مختلفة تشمل دقة الاكتشاف، مقياس F، المتانة (المساحة تحت منحنى ROC)، وفترة الحوسبة لتحديد أكثر مصنفات تعلم الآلة كفاءة لاكتشاف هجمات القنوات الجانبية المعمارية الدقيقة في الوقت الحقيقي.