科研之友
微信
新浪微博
Facebook
分享链接
摘要
当前缓存侧信道攻击检测技术主要针对单一攻击模式，对两至三种攻击的检测方法有限，无法全面覆盖。此外，尽管对单一攻击的检测精度高，但随着攻击数量增加，精度下降，容易产生误报。为了针对缓存侧信道攻击进行有效的检测，本文利用硬件性能计数器采集不同的缓存侧信道攻击特征，结合机器学习算法，提出了一种基于机器学习的多目标缓存侧信道攻击检测模型。首先对不同缓存侧信道攻击方式进行了相关特征分析，精选关键特征并收集数据集，然后进行独立的训练，以建立针对每种攻击方式的检测模型，随后在检测时将测试数据并行送入多个模型中，根据检测结果判断是否存在某种缓存侧信道攻击。最后实验结果显示，本模型在检测Flush+Reload、Flush+Flush和Prime+Probe三种缓存侧信道攻击时，分别展现出99.91%、98.69%和99.54%的高准确率，即使在同时存在多种攻击的情况下，也能准确识别各种攻击方式。
- 单位
