EPPOV:基于路径配置优化与VB-EM的电磁隐蔽信道安全评估框架
《Measurement》:EPPOV: A security evaluation framework for electromagnetic covert channels based on path profiling optimization and VB-EM
【字体:
大
中
小
】
时间:2026年08月29日
来源:Measurement 6.1
编辑推荐:
# 电磁隐蔽信道容量评估框架 EPPOV
• 一个场景感知框架将电磁隐蔽信道的状态空间复杂度降低了75%。
• 一种融合Dirichlet先验和路径推导转移概率的VB-EM算法,在?5.4 dB信噪比下实现了98%的收敛稳定性。
• 基于ESP能量和指令熵的层次聚类,将物理
# 电磁隐蔽信道容量评估框架 EPPOV
• 一个场景感知框架将电磁隐蔽信道的状态空间复杂度降低了75%。
• 一种融合Dirichlet先验和路径推导转移概率的VB-EM算法,在?5.4 dB信噪比下实现了98%的收敛稳定性。
• 基于ESP能量和指令熵的层次聚类,将物理泄漏测量与信息论容量建模联系起来。
• 复合指令状态捕获了ARM Cortex-A9超标量架构上多指令并行泄漏。
• EPPOV框架在包括密码运算和恶意代码检测在内的五种功能场景下进行了验证。
## 引言
随着5G通信和工业物联网的普及,嵌入式处理器已成为关键基础设施和隐私敏感设备中不可或缺的核心组件 [12],其安全性直接决定了整个系统的信任基础。然而,由于嵌入式处理器 [9] 在运行过程中不可避免地会泄漏物理信息 [5],[31], Zhang et al., 2024a),而传统密码保护仅关注逻辑层面的算法安全性,忽略了物理层面的信息泄漏,这些设备容易遭受隐蔽信道攻击 [24]。通过分析设备运行期间泄漏的物理信息——如功率波动模式、电磁辐射强度和时序变化 [23]; Zhang et al., 2024b)。这类攻击可以间接推断敏感数据,包括加密密钥和控制参数 [4]。这绕过了传统密码的逻辑保护机制,对嵌入式系统的物理安全构成了严峻挑战。
需要指出的是,隐蔽信道技术具有固有的双重用途特性。除了恶意数据窃取和恶意软件辅助泄漏外,隐蔽通信也可能出现在良性或社会动机的场景中,例如审查规避或在限制性网络环境下的通信。然而,本文的重点不是构建或优化隐蔽通信机制。相反,本工作提供了一个防御性测量框架,用于量化电磁隐蔽信道的容量、识别潜在泄漏风险,并指导嵌入式系统物理层保护的设计。
还应注意的是,许多现有的电磁侧信道和隐蔽信道研究主要集中在通用计算平台上,包括x86类处理器或面向桌面/服务器的环境。例如,[32] 研究了通用处理器环境中软件活动引起的电磁信息泄漏和故意隐蔽信道,而 (Nazari et al., 2017) 研究了使用处理器活动特征进行电磁恶意软件检测。相比之下,在基于ARM的嵌入式平台上进行系统性的面向容量的评估仍然相对有限。由于ARM处理器广泛应用于嵌入式设备、工业控制系统和边缘计算节点,因此在ARM平台上进行电磁隐蔽信道评估具有重要的实际意义。因此,本工作以基于ARM Cortex-A9的嵌入式平台作为代表性和安全相关的评估目标。
## 动机
在各种隐蔽信道攻击中,电磁隐蔽信道攻击由于其非侵入性、非接触性和高分辨率检测能力 [1],[8],在实际场景中对嵌入式系统的安全评估展现出独特优势,因此成为当前研究的焦点。本文中的电磁隐蔽信道是指恶意代码通过操纵硬件活动(例如通过调制指令执行序列)利用硬件发出的电磁辐射而形成的非预期信息传输通道。其核心特征是故意数据窃取和隐蔽传输,不需要额外的操作系统权限或硬件植入,并且可以规避传统恶意软件检测工具。本研究聚焦于电磁隐蔽信道,明确关注通过恶意代码在隔离网络上传输敏感信息的风险评估。此类信道的存在使攻击者能够绕过逻辑保护机制进行数据窃取,使其成为嵌入式系统物理安全的核心威胁。在电磁隐蔽信道中,信息泄漏的核心载体是隐蔽信道 [6],[27],它是由指令执行的物理效应自然形成的非预期信息通路,其存在直接决定了敏感信息是否具有可窃取的传输路径。为此,我们旨在系统地阐明电磁隐蔽信道的结构和特征。这使我们能够识别通过隐蔽信道攻击进行利用的具体潜在目标,确保我们的安全评估具有针对性,而非仅仅是定性分析。
指令转移概率是隐蔽信道建模的关键输入参数。在程序执行期间,指令之间的转移概率直接反映了指令序列的执行模式和统计分布特征,而这一分布正是隐蔽信道输入的核心统计属性。假设忽略了特定场景间的转移概率差异,仅采用通用的转移概率模型,那么信道输入将与程序的执行逻辑脱节,导致后续的容量计算偏离实际的泄漏风险。信道容量为评估电磁隐蔽泄漏的严重性和比较保护策略提供了信息论上限 (Millen, 1987)。
然而,许多现有的电磁隐蔽信道容量计算研究往往面临三个关键局限 (Kavcic, n.d.; [32],[33],即忽略了隐蔽信道建模中的场景特定特征、依赖设备级别的通用假设来确定指令转移概率、以及在低信噪比环境下容量计算的鲁棒性不足。这些局限导致安全评估结果与真实场景之间存在显著差异,难以支持嵌入式系统的精确保护设计。
### 研究缺口
• **缺乏场景特定建模**:大多数方法采用设备级别的通用假设,忽视了恶意代码利用的隐蔽信道在领域特定场景中的程序执行路径规律,导致信道容量被高估和安全评估结果不准确。
• **状态空间复杂度指数增长**:传统马尔可夫模型 [6],[27] 基于时钟周期将指令分解为子状态,导致指数级增长的状态
### 隐蔽信道容量
明确定义的电磁隐蔽信道容量是指恶意代码通过操纵指令执行序列和调制电磁辐射信号形成的故意隐蔽传输信道的最大信息传输速率,区别于合法系统非故意产生的侧信道泄漏容量。核心区别在于,对于前者,输入(指令序列)是由恶意
### EPPOV概述
电磁隐蔽信道安全评估的核心需求是量化系统信息泄漏的上限并在实际代码中定位泄漏风险。现有的通用建模方法由于倾向于忽视场景特征和硬件相关性 (Kavcic, n.d.; Yilmaz et al., 2020c, 2018),往往难以满足嵌入式系统的精确评估需求。本文提出了EPPOV,它集成了路径剖析、
### 马尔可夫模型构建
本文将计算机程序中电磁隐蔽信道的泄漏过程建模为有噪有限状态机信道 (FSMC) [36]。设信道输入为平稳离散时间马尔可夫随机过程 $X_t$,信道状态 $S_t$ 是具有转移概率 $p_{s_{t+1}s_t}$ 的马尔可夫过程,信道输出 $Y_t$ 是由状态序列 $S_t$ 引起的隐马尔可夫序列。
对于不可分解信道,信道容量定义为互信息率:
$$C = \lim_{n \to \infty} \frac{1}{n} I(X_n; Y_n)$$
### 基准程序的路径剖析
为了确保指令转移概率分析的针对性和平台适应性,选择了CoreMark-Pro、oabenchv2和SecureMark-TLS作为基准数据集。在本节中,使用IDA Pro 9.0提取控制流图 (CFG),导出基本块信息、指令细节、块间跳转关系和函数调用关系等信息。随后,采用嵌套方法基于实验分析指令转移概率。
### 实验设置
为了确保与硬件设备的ARM Cortex-A9架构兼容性以及电磁信号测量的准确性,实验环境中的硬件和软件工具和设备配置如表2所示。
选择Xilinx Zynq7010B开发板上的ARM Cortex-A9处理器作为实验平台,主要有三个原因。首先,ARM Cortex-A系列处理器广泛应用于嵌入式Linux系统、工业控制器和边缘
### 结论
本文提出了EPPOV,一个用于嵌入式系统场景特定电磁隐蔽信道容量估计的防御性测量框架。与传统侧信道泄漏研究不同,其核心贡献在于构建了一个整合场景特定建模、鲁棒容量计算和针对性保护的闭环框架。应明确的是,该框架的核心目标不是评估非预期的侧信道
### CRediT作者贡献声明
**Tong Wu**:撰写——原稿,可视化,验证,软件,资源,方法论,调查,形式化分析,数据整理,概念化。
**Qingyu Ou**:撰写——审阅与编辑,监督,方法论,形式化分析,概念化。
**Fang Luo**:撰写——审阅与编辑,验证,监督,项目管理,调查,数据整理,概念化。
**Yi Yang**:软件,资源,调查,资金获取。
**Dawei Zhou**:撰写——审阅与
### 未引用的参考文献
[2],[14],[21],[22],[35]。
### 利益冲突声明
作者声明没有已知的竞争财务利益或个人关系可能会影响本文所报道的工作。
### 致谢
本工作部分受国家自然科学基金支持(编号:62402513,62572355)。作者感谢匿名审稿人提出的宝贵意见和建议。
**Tong Wu | Qingyu Ou | Fang Luo | Yi Yang | Dawei Zhou**
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号