Die falsche Geschichte des maschinellen Lernens

Blog-Einführung

• Im Juni 2022 wurde auf der ersten Forschungskonferenz nach dem MIT-Abschluss eine Forschungsarbeit zur Hardware-Sicherheit vorgestellt
• Die Arbeit gewann den 1. Platz beim Intel Hardware Security Academic Award 2024 und wurde für IEEE Micro Top Picks ausgewählt
• Die Arbeit behandelt die Analyse von Side-Channel-Angriffen mithilfe von maschinellem Lernen

Forschungshintergrund

• Die Forschung behandelt Angriffe in Webbrowsern unter Nutzung von Machine-Learning-Modellen und Fehlanwendungen durch Missverständnisse über diese Modelle
• Die Forschung enthält auch eine Geschichte über persönliches Wachstum und die Bedeutung von Mentoren

Überblick über Side-Channel-Angriffe

• Durch Prozessisolierung wird die Unabhängigkeit zwischen Anwendungen gewahrt, doch durch gemeinsam genutzte Ressourcen besteht die Möglichkeit von Informationslecks
• Es wird ein Beispiel erläutert, wie sich Nutzeraktivitäten über Netzwerkaktivitäten nachverfolgen lassen

Website-Fingerprinting

• Erklärung eines Website-Fingerprinting-Angriffs unter Nutzung des CPU-Caches
• Ein Angreifer kann durch Analyse der Aktivitätsmuster im CPU-Cache die vom Nutzer besuchten Websites identifizieren

Abschlussprojekt

• Reproduktion der Forschung von Shusterman et al. und Entdeckung einer neuen Angriffsmethode
• Die Methode, einfach nur einen Zähler zu erhöhen, zeigte eine höhere Genauigkeit

Untersuchung eines rätselhaften Side Channels

• Tests verschiedener Hypothesen wie CPU-Frequenzanpassung, Core-Contention und Systeminterrupts
• Schlussfolgerung, dass Systeminterrupts den Angriff beeinflussen

Forschungsergebnisse

• Entdeckung eines neuen Side Channels und Betonung der Notwendigkeit eines vorsichtigen Einsatzes von Machine-Learning-Modellen
• Die Forschung leistet einen Beitrag zu den Bereichen Hardware-Sicherheit und Computerarchitektur

Dieser Blog vermittelt ein tiefes Verständnis von maschinellem Lernen und Computerarchitektur und teilt persönliches Wachstum sowie Entdeckungen während des Forschungsprozesses.