Quantifying Side-Channel Leakage in Public Metrology Releases

Resumen Técnico: Cuantificación de la Fuga de Canales Secundarios en Lanzamientos de Metrología Públicos

Declaración del Problema
Los lanzamientos científicos y de metrología públicos, como los espectros de rugosidad de la fabricación de semiconductores, pueden filtrar inadvertidamente parámetros de proceso ocultos (recetas) que la entidad emisora pretende mantener en privado. Una vez que se publica una medición, un observador puede utilizarla para recuperar configuraciones de proceso específicas —como la carga de quencher, la longitud de transporte de ácido o la amplitud estocástica— sin la intención del emisor. El artículo formaliza este riesgo como una auditoría de canal secundario estadístico perfilado. El desafío central es cuantificar cuántos espectros liberados se requieren para que un bit de la receta protegida sea estadísticamente distinguible dentro de una clase de utilidad pública, dadas las restricciones específicas sobre los recursos de perfilado del adversario.

Metodología
Los autores proponen un marco riguroso que adapta el flujo de información cuantitativa y el razonamiento de ataque de plantillas perfiladas a los lanzamientos científicos públicos. La metodología se estructura en torno a un "juego de receta-lanzamiento" que involucra a un propietario de la liberación y un observador perfilado.

1. Modelado del Canal: El transcripto público se modela como una banda de Densidad Espectral de Potencia (PSD) liberada. Para el caso de estudio de la litografía de Ultravioleta Extremo (EUV), el espectro se modela como un campo de reacción-difusión con apantallamiento:
   $$S(k) = A e^{-\beta k^2}(1 + \lambda^2 k^2)^{-3/2} + S_0$$
   Aquí, $A$ (amplitud) y $\beta$ (difuminación o blur) se tratan como coordenadas de molestia, $S_0$ es el piso de metrología, y $\lambda$ es la coordenada de transporte protegida.
2. Formalismo Estadístico:
   • Canal Gamma: Para bins de PSD promediados, los autores derivan verosimilitudes exactas asumiendo que los bins independientes siguen una distribución Gamma.
   • Canal Ponderado por Covarianza: Cuando los bins están correlacionados (por ejemplo, debido a segmentos superpuestos), el modelo se reemplaza por un canal de log-espectro ponderado por covarianza.
   • Métricas de Divergencia: El marco computa divergencias de Kullback-Leibler (KL) exactas y exponentes de Chernoff para cuantificar la distinguibilidad entre dos recetas equivalentes en utilidad separadas por una coordenada protegida.
3. Clases de Adversarios: La auditoría califica a los adversarios según sus presupuestos de perfilado:
   • Presupuesto de Entrenamiento ($Q$): Número de espectros etiquetados utilizados para entrenar plantillas.
   • Tamaño de la Biblioteca ($N$): Número de plantillas almacenadas.
   • Presupuesto de Cómputo ($T$): Número de puntuaciones de verosimilitud evaluadas.
   • Desajuste (Mismatch): La brecha entre la distribución real de los datos y el modelo ajustado del adversario.
     El marco proporciona límites para pruebas de pares óptimas, umbrales de biblioteca finita y correcciones para entrenamiento finito y desajuste de modelo.

Contribuciones Clave

1. Juego Explícito de Recursos: Una definición formal del juego de receta-lambio con presupuestos explícitos $(N, Q, L, T)$ que califican el esfuerzo del adversario, yendo más allá de los límites idealizados de la teoría de la información hacia restricciones prácticas.
2. Límites Estadísticos Exactos: Derivación de verosimilitudes de canal gamma exactas y reemplazos ponderados por covarianza para bins correlacionados, produciendo divergencias KL, exponentes de Cheroff y límites de ventaja de bits protegidos precisos.
3. Ley de Fuga de Transporte de Banda Finita: Un resultado principal que establece que, tras eliminar la amplitud y la difuminación, la información de transporte de ácido protegida en una banda de baja frecuencia obedece un exponente de noveno orden:
   $$I_{\lambda|\alpha,\beta}(K) = \frac{64}{1225} w \lambda^6 K^9 + O(w \lambda^8 K^{11})$$
   Esta ley se sostiene para $K\lambda \ll 1$, donde $K$ es el borde de la banda.
4. Análisis de Molestia Acoplada: Un tratamiento del piso de metrología ($S_0$) y la no-identificabilidad química, mostrando cómo el perfilado del piso reduce la información y definiendo las condiciones bajo las cuales una auditoría "ciega al piso" es confiable.
5. Herramienta de Diseño para la Divulgación Controlada: Un método para colocar tangentes protegidas en el nulocal de la función de mapeo de la liberación, permitiendo el cálculo del estadístico público que maximiza la utilidad mientras se adhiere a un presupuesto de fuga.
6. Protocolo de Auditoría Reproducible: Un protocolo paso a paso (Sección 8) para convertir un lanzamiento de PSD medido en exponentes de fuga y bandas seguras, incluyendo diagnósticos para el ajuste gamma, estimación de covarianza y márgenes de desajuste.
7. Implementación Abierta: Un paquete de Python con semilla fija que reproduce todas las tablas y figuras, valida la ley asintótica de noveno orden e incluye simulaciones de Monte Carlo.

Resultados

• Exponentes de Fuga: El estudio confirma que la fuga escala con la novena potencia del borde de la banda ($K^9$) en el régimen de baja frecuencia. Esto implica que los lanzamientos de paso bajo (pequeño $K$) ocultan eficazmente el bit protegido, mientras que el lanzamiento de datos cerca o más allá de la "rodilla de transporte" ($K\lambda \sim 1$) aumenta drásticamente la fuga.
• RMS vs. PSD: Colapsar un espectro a un único escalar de Raíz Cuadrática Media (RMS) destruye la mayor parte de la señal de atribución. En auditorías sintéticas, los lanzamientos de solo RMS resultaron en tasas de éxito cercanas al azar (aprox. 0.55), mientras que los lanzamientos de PSD completo lograron una atribución casi segura (aprox. 0.98) con el mismo número de espectros.
• Penalización por Entrenamiento Finito: El artículo cuantifica la penalización cuando un adversario tiene datos de entrenamiento limitados ($Q$). Con un perfilado disperso ($Q \le 20$), la tasa de éxito del adversario permanece cerca del azar, incluso si el canal teóricamente permite una mayor fuga. El éxito aumenta decisivamente solo cuando $Q \gtrsim 50$.
• Efectos de Correlación: La correlación positiva entre bins (por ejemplo, debido al promedio de Welch superpuesto) reduce la información distinguible. Una auditoría de gamma diagonal (asumiendo independencia) sobrestima la fuga en comparación con una auditoría ponderada por covarianza, sirviendo como un límite superior conservador.
• Condicionamiento del Piso: La auditoría identifica un rincón "bien condicionado" (piso bajo, banda moderada) donde una auditoría ciega al piso es válida. En regímenes mal condicionados, el piso de metrología debe ser perfilado explícitamente para evitar sobreestimar la protección.

Significancia y Alcance
El artículo afirma proporcionar un marco de auditoría de canal secundario estadístico reproducible específicamente para lanzamientos de metrología científica. Su significancia radica en transformar el riesgo abstracto de "fuga de datos" en números concretos y calculables (exponentes, bandas seguras y umbrales de muestra) que un propietario de la liberación puede usar para tomar decisiones de divulgación.

Los autores son modestos respecto al alcance:

• El caso de estudio de EUV es una instanciación condicionada por el modelo, no un modelo de proceso validado para toda la litografía.
• La "coordenada protegida" $\lambda$ es una longitud de transporte efectiva; un solo espectro no puede identificar de forma única tasas químicas individuales (por ejemplo, separando la carga de quencher de la tasa de pérdida) sin un barrido controlado.
• Los resultados actuales dependen de datos sintéticos y reconstruidos (incluyendo una "prueba de humo" en puntos reconstruidos de un artículo público) para ejercitar el flujo de trabajo.
• El marco es agnóstico al modelo respecto al cálculo (canales gamma/covarianza, límites de divergencia), pero depende del modelo de espectro con apantallamiento específico para la instanciación física.

El artículo concluye que el siguiente paso es el despliegue de este protocolo en lanzamientos medidos repetidos para estimar los grados de libertad efectivos y la covarianza empírica, pasando así de los límites teóricos a garantías de seguridad medidas y prácticas.