Résumé technique : uGen, un cadre agentic pour la génération de preuves de concept d'attaques microarchitecturales

Énoncé du problème

Les attaques par canal latéral microarchitectural (par exemple, Prime+Probe, Spectre) représentent un défi fondamental pour la sécurité informatique. Bien que des implémentations de référence de preuves de concept (PoC) existent, leur adaptation à de nouvelles microarchitectures, fonctions victimes ou environnements d'exécution est notoirement difficile. Ce processus nécessite une expertise approfondie des comportements matériels de bas niveau, un ordonnancement précis des instructions et un calibrage temporel fin. Par conséquent, l'évaluation des vulnérabilités reste laborieuse, non évolutive et souvent limitée aux chercheurs experts.

Les récentes avancées des grands modèles de langage (LLM) suggèrent une voie potentielle pour automatiser la génération de code. Cependant, l'article identifie un fossé critique : les LLM manquent du raisonnement microarchitectural spécifique nécessaire pour synthétiser du code d'attaque fonctionnel. Les auteurs émettent l'hypothèse que les modèles actuels génèrent fréquemment ou placent incorrectement des primitives d'attaque critiques (telles que les barrières de sérialisation ou les délais contrôlés), aboutissant à un code syntaxiquement correct mais fonctionnellement inerte. De plus, les corpus d'entraînement existants contiennent peu d'implémentations d'attaques de bout en bout, laissant les modèles avec une exposition insuffisante aux invariants structurels de telles exploitations.

Méthodologie : le cadre uGen

Pour remédier à ces limitations, les auteurs introduisent uGen, le premier cadre multi-agent piloté par la génération augmentée par la récupération (RAG), conçu pour automatiser la synthèse de preuves de concept d'attaques microarchitecturales. Le cadre fonctionne en quatre étapes distinctes :

1. Profilage des lacunes de connaissances (S1) : Cette étape identifie systématiquement où et pourquoi les LLM échouent. En désactivant la RAG et en forçant les modèles à s'appuyer sur leurs connaissances internes, le cadre décompose les attaques en « métriques d'attaque » (blocs de construction minimaux et sémantiquement significatifs). Il compare le code généré à des implémentations de référence pour identifier les métriques manquantes, mal construites ou mal placées.
2. Générateur de documents RAG (S2) : Sur la base des lacunes identifiées en S1, le cadre génère des documents RAG ciblés. Ces documents ne sont pas de simples descriptions d'attaques génériques, mais des guides spécifiques pour chaque métrique individuelle, détaillant leur importance, les étapes d'implémentation et les contraintes de placement précises au sein du code. Le processus de génération est hiérarchique, indexé à la fois par vecteur d'attaque et par famille de LLM, reconnaissant que différents modèles nécessitent différents types de guidance.
3. Validation et raffinement RAG (S3) : Cette étape valide empiriquement les documents RAG générés. Un « Agent Programmeur » tente de corriger des modèles de PoC en utilisant les directives récupérées. Si la correction échoue, un « Agent de Feedback » initie un cycle de raffinement, impliquant potentiellement un expert du domaine pour clarifier les contraintes ou éliminer des détails trompeurs. Cette boucle se poursuit jusqu'à ce que le document RAG guide de manière fiable la synthèse de la métrique cible.
4. Déploiement (S4) : À l'étape finale, un utilisateur non expert peut spécifier une fonction victime et un vecteur d'attaque. L'Agent Programmeur synthétise une PoC à partir de zéro, récupérant et intégrant séquentiellement les documents RAG validés pour chaque métrique requise. Le code est ensuite validé par un « Agent Réfléchissant » utilisant des signaux dérivés du matériel (par exemple, latence du cache, compteurs de performances) pour garantir la correction fonctionnelle.

Composants architecturaux clés :

• Conception multi-agent : uGen emploie des agents spécialisés (Programmeur, Réfléchissant, Analyseur de lacunes, Synthétiseur, Feedback) pour découpler la génération de code de la validation, atténuant le « biais d'auto-évaluation » où un agent unique rationalise ses propres échecs.
• Exécution ancrée dans les outils : Les agents sont couplés à des outils spécialisés de niveau système (par exemple, hw_info, hpc, cache_thres) qui fournissent des signaux d'exécution vérifiables par la machine. Cela empêche les agents d'halluciner des fuites réussies et force un raffinement itératif basé sur un retour matériel réel.
• Hub de connaissances persistant : Les documents RAG sont stockés dans une base de données vectorielle persistante avec des plongements précalculés pour assurer une récupération déterministe et reproductible à travers les expériences.

Contributions clés

1. Première analyse des LLM pour les attaques microarchitecturales : L'article présente une étude systématique des modèles de l'état de l'art (GPT-4o, Claude Sonnet-4, Qwen3-Coder), identifiant des erreurs récurrentes de raisonnement et de placement d'instructions qui empêchent la synthèse réussie de PoC.
2. Le cadre uGen : Un cadre multi-agent novateur, augmenté par la récupération, qui profile explicitement les lacunes de connaissances des LLM et injecte des directives spécifiques aux attaques pour permettre une synthèse fiable d'attaques microarchitecturales complexes.
3. Évaluation pilotée par les métriques : Les auteurs proposent une méthodologie qui décompose les attaques en métriques granulaires, fournissant la première référence reproductible pour évaluer les capacités des LLM dans ce domaine.

Résultats expérimentaux

Le cadre a été évalué sur trois plateformes matérielles (Intel Tiger Lake, AMD Ryzen 9, ARM Neoverse-N1) et deux classes d'attaques (Spectre-v1, Prime+Probe).

• Performance de base : Sans augmentation RAG, les LLM ont atteint des taux de réussite de 0 % à 20 % pour générer des PoC fonctionnels, échouant principalement en raison d'un ordonnancement incorrect des instructions et de primitives microarchitecturales manquantes.
• Impact de la RAG : Avec uGen, les taux de réussite se sont considérablement améliorés.
  • Spectre-v1 : Claude Sonnet-4 a atteint un taux de réussite de 90 % (en hausse par rapport à 0 % dans certains tests spécifiques aux métriques), et Qwen3-Coder a atteint 70 %.
  • Prime+Probe : Qwen3-Coder a atteint un taux de réussite de 80 %, tandis que Claude et GPT-4o ont atteint 70 %.
• Efficacité : uGen peut générer une PoC réussie en moins de quatre minutes (par exemple, 351 secondes pour Spectre-v1 sur Claude) avec un coût aussi bas que 1,25 $ (en utilisant Qwen3-Coder).
• Portabilité : Le cadre a démontré une portabilité inter-architecture, adaptant avec succès les attaques aux plateformes AArch64 (ARM) et x86 en utilisant des outils de profilage spécifiques à la microarchitecture et des documents RAG.
• Généralisation : Le système s'est adapté avec succès à cinq variantes différentes de fonctions victimes vulnérables sans réingénierie manuelle de la logique d'attaque.

Importance et affirmations

L'article affirme que uGen transforme l'évaluation des vulnérabilités d'un processus manuel, limité aux experts, en un processus systématique et évolutif. En combinant l'augmentation par récupération, le raisonnement spécialisé par rôle et le retour d'information ancré dans le matériel, uGen comble le fossé entre les capacités des LLM et les exigences rigoureuses de l'exploitation microarchitecturale.

Les auteurs positionnent uGen principalement comme un outil défensif. Ils soutiennent que, bien que le cadre abaisse la barrière pour la génération de code d'attaque, il est plus bénéfique pour les défenseurs de tester systématiquement leurs systèmes contre la susceptibilité que pour les attaquants de s'y fier pour construire de nouvelles exploitations. L'article note que les attaquants rencontreraient toujours des obstacles significatifs à l'adoption de uGen pour des campagnes malveillantes réelles, car le cadre est conçu pour des environnements contrôlés et isolés et repose sur des vecteurs d'attaque connus plutôt que sur la découverte de nouvelles vulnérabilités. Ce travail souligne la nécessité de comprendre les limites des LLM dans les domaines critiques pour la sécurité et fournit un cadre pour atténuer ces limites grâce à un raisonnement structuré et augmenté par des outils.