SLAC: Access-Driven CPU-to-GPU Side-channel Attacks via System-Level Cache on Apple Silicon
تقدم هذه الورقة البحثية SLAC، وهو هجوم جانبي جديد دقيق وموجه بالوصول على معالجات Apple Silicon، يستغل بصمات ذاكرة التخزين المؤقت المشتركة على مستوى النظام لتمكين عمليات وحدة المعالجة المركزية غير المصرح لها من مراقبة أعباء عمل وحدة معالجة الرسومات، محققاً انتهاكات خصوصية عالية الدقة ضد الشبكات العصبية الرسومية والنماذج اللغوية الكبيرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك وصديق لك تتشاركان مكتبة واحدة عالية السرعة في وسط مدينة صاخبة. كلاكما يمتلك مكتباً خاصاً به حيث يحتفظ بكتبه المفضلة، ولكن عندما تحتاج إلى شيء لا تملكه، يركض كلاكما إلى المكتبة المشتركة للحصول عليه. هذه المكتبة هي "ذاكرة التخزين المؤقت على مستوى النظام" (SLC)، وهي نقطة ذاكرة فائقة السرعة يتشاركها عقل الكمبيوتر (CPU) وقوة الرسومات الجرافيكية (GPU). في عالم الحوسبة الحديثة، يعيش هذان الجزءان على نفس الشريحة، مثل زملاء سكن في شقة صغيرة، ويتعين عليهما مشاركة هذه المكتبة للعمل بسرعة.
الجزء الصعب هنا هو أنه على الرغم من عدم قدرتك على رؤية ما يقرؤه صديقك على مكتبه الخاص، إلا أنه يمكنك مراقبة المكتبة. إذا أخذ صديقك كتاباً، فإنه يختفي من رف المكتبة لبرهة من الزمن. وإذا لم يأخذه، يظل الكتاب في مكانه تماماً. من خلال توقيت المدة التي يستغرقها التحقق مما إذا كان الكتاب موجوداً على الرف أم لا، يمكن لمراقب متسلل معرفة ما يقرؤه صديقك، حتى دون رؤية الكتاب نفسه. يُسمى هذا "هجوم القناة الجانبية" (side-channel attack). إنه يشبه تخمين وصفة سرية لشخص ما من خلال الاستماع إلى صوت اصطدام الأواني في المطبخ المجاور. وبينما نعتمد بشكل متزايد على أجهزة الكمبيوتر للتعامل مع صورنا الخاصة، وسجلاتنا الطبية، ومحادثات الذكاء الاصطناي، فإن معرفة ما إذا كانت "أصوات المطبخ" هذه يمكن أن تسرب أسراراً هو أمر بالغ الأهمية للحفاظ على أمن حياتنا الرقمية.
الورقة البحثية: SLAC – هجوم "مراقب المكتبة"
في هذه الورقة، قرر فريق من الباحثين من جامعة نورث إيسترن وجامعة لويزيانا الحكومية معرفة ما إذا كان بإمكانهم تنفيذ نوع محدد جداً من التجسس عبر "أصوات المطبخ" على شرائح Apple Silicon الجديدة (مثل M1). أرادوا معرفة: هل يمكن لبرنامج كمبيوتر عادي (يعمل على CPU) التجسس على برنامج رسومات سري (يعمل على GPU) بمجرد مراقبة المكتبة المشتركة؟
سابقاً، كان الناس يعرفون أنه يمكنك التجسس في الاتجاه المعاكس (GPU يتجسس على CPU)، أو يمكنك الحصول على رؤية ضبابية ومنخفضة الدقة لما يفعله الـ GPU (مثل معرفة أن المكتبة "مشغولة" ولكن دون معرفة أي الكتب تم لمسها). لكن لم يتمكن أحد من تحديد كيفية الحصول على رؤية حادة وعالية الدضاء لنشاط الـ GPU من جانب الـ CPU على شرائح Apple. يطلق الباحثون على طريقتهم الجديدة اسم SLAC.
كيف فكوا الشفرة
لإنجاح هذا الأمر، تعين على الفريق حل لغزين هائلين أولاً.
- الخريطة السرية: تستخدم شريحة Apple M1 طريقة غريبة جداً لتنظيم مكتبتها. فبدلاً من وضع الكتب بالترتيب (الكتاب 1، الكتاب 2، الكتاب 3)، تستخدم صيغة رياضية معقدة وسرية (دالة هاش - hash function) لتقرر أي رف سيذهب إليه الكتاب. الأمر يشبه أمين مكتبة يقوم بخلط الكتب بناءً على رمز سري. اضطر الباحثون لعكس هندسة هذه الشفرة؛ فقد قضوا وقتاً في اختبار ملايين العناوين لمعرفة كيف تقرر الشريحة مكان وضع البيانات بالضبط. واكتشفوا أن الشريحة تستخدم مؤشراً (index) مكوناً من 12 بت، مما يعني وجود 4,096 "رفاً" (مجموعات ذاكرة تخزين مؤقت) مختلفاً في المكتبة.
- قاعدة "الحصرية": اكتشفوا أيضاً قاعدة غريبة حول كيفية استخدام الـ CPU والـ GPU للمكتبة. فعندما ينظر الـ CPU إلى كتاب، فإنه يحتفظ بنسخة منه على مكتبه الخاص ولا يضعها في المكتبة المشتركة إلا إذا نفدت المساحة لديه. أما عندما ينظر الـ GPU إلى كتاب، فإنه يضعه مباشرة في المكتبة المشتركة. هذا السلوك "الحصري" عنى أن الباحثين كان عليهم أن يكونوا أذكياء؛ فلم يكن بإمكانهم ملء المكتبة من جانب الـ CPU بسهولة، بل كان عليهم ملء مكتب الـ CPU الخاص أولاً، ثم إجبار الـ CPU على طرد الكتب القديمة إلى المكتبة المشتركة لتهيئة المسرح للهجوم.
الهجوم: CPrime و GPrime
بمجرد امتلاك الخريطة وفهم القواعد، قاموا ببناء طريقتين للتجسس، أطلقوا عليهما اسم CPrime+CProbe و GPrime+CProbe.
- CPrime (جاسوس الـ CPU): تستخدم هذه الطريقة الـ CPU فقط. يقوم المهاجم بملء المكتبة المشتركة بكتب "تمويهية" خاصة به. ثم يترك الضحية (الـ GPU) يشغل برنامجه السري. إذا لمس الضحية كتاباً وضعه المهاجم هناك، فسيتم طرد كتاب المهاجم. عندما يتحقق المهاجم من المكتبة مرة أخرى، يلاحظ تأخراً (فشل في الوصول للبيانات - miss) ويعرف: "آها! لقد لمس الـ GPU هذا الرف تحديداً!"
- العائق: هذه الطريقة بطيئة لأن الـ CPU يضطر للقيام بالكثير من العمل الشاق لملء المكتبة، إذ يستغرق إعداد الفخ حوالي 7 مللي ثانية.
- GPrime (جاسوس الـ GPU): هذه هي النسخة فائقة السرعة. إذا استطاع المهاجم أيضاً تشغيل كود على الـ GPU (وهو أمر مسموح به في سيناريوهات عديدة)، فيمكنه استخدام سرعة الـ GPU الهائلة لملء المكتبة في لمح البصر.
- النتيجة: هذا الإعداد أسرع بـ 6.4 مرة من نسخة الـ CPU فقط، حيث يستغرق 0.7 مللي ثانية فقط.
ماذا وجدوا: التجسس على الأسرار
لم يكتفِ الباحثون بإعداد الفخ فحسب، بل استخدموه لسرقة أسرار حقيقية. اختبروا سيناريوهين:
سرقة خرائط الشبكات الاجتماعية (GNNs): هاجموا شبكة عصبية رسومية (Graph Neural Network)، وهي نوع من أنواع الذكاء الاصطناعي المستخدم لتحليل الشبكات الاجتماعية أو البيانات الطبية. "السر" هنا هو الروابط (edges) بين الأشخاص أو العقد. من خلال مراقبة أرفف المكتبة التي لمسها الـ GPU، استطاع المهاجم إعادة بناء الخريطة.
- النتيجة: تمكنوا من استعادة 90% من الروابط (edges) بشكل صحيح عبر خمس مجموعات بيانات مختلفة. ومع استخدام الطريقة الأسرع المعتمدة على الـ GPU، اقتربت الدقة من 99.9% في بعض الخرائط.
قراءة أفكارك (نماذج اللغات الكبيرة - LLMs): هاجموا نماذج اللغات الكبيرة (مثل تلك التي تشغل روبوتات الدردشة). تبحث هذه النماذج عن الكلمات في قاموس ضخم (جدول التضمين - embedding table) لفهم ما تكتبه وما يجب أن تقوله لاحقاً.
- التجسس على المدخلات: حاولوا تخمين الكلمات المفتاحية التي كتبتها (مثل اسم مرض أو رمز سهم في البورصة). وقد استعادوا الكلمات المفتاحية للمدخلات بدقة تصل إلى 94.8%.
- التجسس على المخرجات: حاولوا تخمين الكلمات التي يرد بها الذكاء الاصطناعي عليك. واستعادوا كلمات ردود الذكاء الاصطناعي بدقة تصل إلى 88.9%.
الحكم النهائي
تخلص الورقة البحثية إلى أن المكتبة المشتركة في شرائح Apple Silicon هي "صديق مسرّب". فعلى الرغم من أنه من المفترض أن يكون الـ CPU والـ GPU منفصلين، إلا أن الطريقة التي يتشاركان بها هذه الذاكرة السريعة تخلق قناة مخفية تسمح لبرنامج عادي غير مصرح له بالتجسس على مهام الرسومات الحساسة بدقة مخيفة.
قام الباحثون بقياس هذه النتائج على أجهزة حقيقية (شرائح Apple M1) ووجدوا أن الهجمات تعمل بشكل موثوق، وليس مجرد نظرية. وهم يقترحون أن تصميمات الكمبيوتر المستقبلية تحتاج لأن تكون أكثر حذراً بشأن كيفية مشاركة الذاي، وإلا فإن محادثاتنا وبياناتنا الخاصة في الذكاء الاصطناعي قد تُسمع بمجرد الاستماع إلى "صوت اصطدام الأواني" في المكتبة المشتركة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.