SafeRace：在数据竞争环境下评估和解决WebGPU内存安全问题

《Proceedings of the ACM on Programming Languages》：SafeRace: Assessing and Addressing WebGPU Memory Safety in the Presence of Data Races

研究指出WebGPU Shading Language存在数据竞争导致的内存安全漏洞，优化器可能合法移除防护。提出SafeRace解决方案，包含程序切片无竞争验证和中间表示数据竞争限制，通过81小时21个编译栈测试验证有效性，并发现苹果和AMD GPU的内存隔离漏洞以及Firefox的WGSL安全错误。

　　

摘要

在不可信的执行环境中（如网页浏览器），来自远程来源的代码会经常被执行。为了增强这些环境对攻击的防御能力，所使用的编程语言及其实现必须具备某些安全特性，例如内存安全性。这些特性必须在整个编译过程中得到保持，即使中间语言可能不提供相同的安全保障。如果这些特性未能得到维护，就可能导致严重的安全漏洞。

在这项研究中，我们发现了WebGPU着色语言（WGSL）中的一个规范漏洞：包含数据竞争的代码可能会被编译成中间表示形式，而优化编译器可能会合法地移除其中的内存安全防护机制。为了解决这个问题，我们提出了SafeRace，这是一套针对WGSL执行堆栈的威胁评估和规范修改建议。虽然我们的威胁评估表明该漏洞在当前系统中似乎无法被利用，但它仍然构成了一个“定时炸弹”，尤其是考虑到该领域的编译器正在迅速发展。因此，我们引入了SafeRace内存安全保障（SMSG），即使在存在数据竞争的情况下也能在WGSL执行堆栈中保持内存安全。第一个组件规定参与内存索引操作的程序片段必须是无竞争的，并通过WGSL程序的编译过程来实现这一要求；第二个组件是对中间表示形式的要求，旨在限制数据竞争的影响，使其不会影响到无竞争的程序片段。尽管由于某些数据类型的访问方式存在限制，第一个组件并不能保证适用于所有WGSL程序，但我们证明了现有的语言结构足以在许多重要的WebGPU应用程序中以最小的性能开销实现这一要求。我们通过对21个编译堆栈进行了81小时的模糊测试来验证第二个组件的有效性；测试结果显示只有一台（可能存在错误的）机器出现了违规情况，这表明较低级别的GPU框架可以相对容易地支持这一约束。此外，我们的评估还发现了苹果和AMD GPU中的GPU内存隔离漏洞，以及Firefox预发布版本中对WGSL的错误编译问题。