SLAC: Access-Driven CPU-to-GPU Side-channel Attacks via System-Level Cache on Apple Silicon
यह शोध पत्र SLAC को प्रस्तुत करता है, जो Apple Silicon पर एक नवीन सूक्ष्म (fine-grained), एक्सेस-संचालित साइड-चैनल हमला है जो साझा सिस्टम-लेवल कैश फुटप्रिंट्स का लाभ उठाकर अनप्रिविलेज्ड (unprivileged) CPU प्रक्रियाओं को GPU वर्कलोड की निगरानी करने में सक्षम बनाता है, जिससे ग्राफ न्यूरल नेटवर्क और लार्ज लैंग्वेज मॉडल्स के विरुद्ध उच्च-सटीक गोपनीयता उल्लंघन प्राप्त होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप और आपका एक दोस्त एक व्यस्त शहर के बीचों-बीच एक ही, हाई-स्पीड लाइब्रेरी साझा कर रहे हैं। आप दोनों के पास अपने निजी डेस्क हैं जहाँ आप अपनी पसंदीदा किताबें रखते हैं, लेकिन जब आपको कुछ ऐसा चाहिए होता जो आपके पास नहीं है, तो आप दोनों उस साझा लाइब्रेरी से उसे उठाने के लिए दौड़ते हैं। यह लाइब्रेरी "सिस्टम-लेवल कैश" (SLC) है, जो कंप्यूटर के दिमाग (CPU) और उसके ग्राफिक्स पावरहाउस (GPU) द्वारा साझा किया जाने वाला एक सुपर-फास्ट मेमोरी स्पॉट है। आधुनिक कंप्यूटिंग की दुनिया में, ये दोनों हिस्से एक ही चिप पर रहते हैं, जैसे एक छोटे से अपार्टमेंट में दो रूममेट्स, और उन्हें काम करने के लिए इस लाइब्रेरी को साझा करना पड़ता है।
अब, पेचीदा बात यह है कि भले ही आप अपने दोस्त की निजी डेस्क पर वह क्या पढ़ रहा है यह नहीं देख सकते, लेकिन आप लाइब्रेरी पर नज़र रख सकते हैं। यदि आपका दोस्त कोई किताब उठाता है, तो वह एक पल के लिए लाइब्रेरी की शेल्फ से गायब हो जाती है। यदि वह उसे नहीं उठाता है, तो किताब वहीं रहती है जहाँ वह थी। यह पता लगाने में लगने वाले समय को सटीक रूप से मापकर कि शेल्फ पर कोई किताब है या नहीं, एक चालाक ऑब्ज़र्वर यह पता लगा सकता है कि आपका दोस्त क्या पढ़ रहा है, भले ही वह कभी खुद किताब को न देख पाए। इसे "साइड-चैनल अटैक" कहा जाता है। यह बिल्कुल वैसा ही है जैसे रसोई में बर्तनों के टकराने की आवाज़ सुनकर किसी का गुप्त नुस्खा (सीक्रेट रेसिपी) अंदाज़ा लगाना। जैसे-जैसे हम अपने निजी फोटो, मेडिकल रिकॉर्ड और AI बातचीत को संभालने के लिए कंप्यूटरों पर अधिक निर्भर होते जा रहे हैं, यह समझना कि क्या ये "रसोई की आवाज़ें" रहस्य लीक कर सकती हैं, हमारे डिजिटल जीवन को सुरक्षित रखने के लिए एक बहुत बड़ी बात है।
द पेपर: SLAC – द "लाइब्रेरी वॉचर" अटैक
इस पेपर में, नॉर्थईस्टर्न यूनिवर्सिटी और लुइसियाना स्टेट यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने यह देखने का निर्णय लिया कि क्या वे एप्पल के नए सिलिकॉन चिप्स (जैसे M1) पर इस तरह के विशिष्ट "रसोई की आवाज़ों" वाले जासूसी हमले को अंजाम दे सकते हैं। वे जानना चाहते थे: क्या एक सामान्य कंप्यूटर प्रोग्राम (जो CPU पर चल रहा है) एक गुप्त ग्राफिक्स प्रोग्राम (जो GPU पर चल रहा है) की जासूसी केवल साझा लाइब्रेरी को देखकर कर सकता है?
पहले, लोग जानते थे कि आप विपरीत दिशा में जासूसी कर सकते हैं (GPU द्वारा CPU की जासूसी), या आप GPU की गतिविधियों का एक धुंधला, लो-रेज़ोल्यूशन दृश्य प्राप्त कर सकते थे (जैसे यह देखना कि लाइब्रेरी "व्यस्त" है लेकिन यह नहीं जानना कि कौन सी किताबें छुई गईं)। लेकिन कोई भी यह पता नहीं लगा पाया था कि एप्पल चिप्स पर CPU की तरफ से GPU की गतिविधियों का एक स्पष्ट, हाई-डेफिनिशन दृश्य कैसे प्राप्त किया जाए। शोधकर्ता उनके नए तरीके को SLAC कहते हैं।
उन्होंने कोड को कैसे क्रैक किया
इसे काम करने के योग्य बनाने के लिए, टीम को पहले दो विशाल पहेलियों को हल करना था।
- द सीक्रेट मैप: एप्पल M1 चिप अपनी लाइब्रेरी को व्यवस्थित करने का एक बहुत ही अजीब तरीका उपयोग करती है। किताबों को क्रम में रखने (किताब 1, किताब 2, किताब 3) के बजाय, यह एक जटिल, गुप्त गणितीय सूत्र (एक हैश फंक्शन) का उपयोग करती है यह तय करने के लिए कि कौन सी किताब किस शेल्फ पर जाएगी। यह एक ऐसे लाइब्रेरियन की तरह है जो एक गुप्त कोड के आधार पर किताबों को इधर-उधर करता है। शोधकर्ताओं को इस कोड को रिवर्स-इंजीनियर करना पड़ा। उन्होंने यह पता लगाने के लिए कि चिप डेटा कहाँ रखता है, लाखों एड्रेस का परीक्षण करने में समय बिताया। उन्होंने पाया कि चिप 12-बिट इंडेक्स का उपयोग करती है, जिसका अर्थ है कि लाइब्रेरी में 4,096 अलग-अलग "शेल्फ" (कैश सेट्स) हैं।
- द "एक्सक्लूसिव" रूल: उन्होंने यह भी पाया कि CPU और GPU लाइब्रेरी का उपयोग कैसे करते हैं। जब CPU किसी किताब को देखता है, तो वह उसकी एक कॉपी अपने स्वयं के डेस्क पर रखता है और उसे साझा लाइब्रेरी में तब तक नहीं डालता जब तक कि उसके पास जगह खत्म न हो जाए। लेकिन जब GPU किसी किताब को देखता है, तो वह उसे सीधे साझा लाइब्रेरी में डाल देता है। इस "एक्सक्लूसिव" व्यवहार का मतलब था कि शोधकर्ताओं को चतुर होना पड़ा। वे आसानी से CPU की ओर से लाइब्रेरी को नहीं भर सकते थे; उन्हें पहले CPU के निजी डेस्क को भरना पड़ा, फिर CPU को पुराने बुक्स को साझा लाइब्रेरी में बाहर निकालने के लिए मजबूर करना पड़ा ताकि हमले के लिए मंच तैयार किया जा सके।
द अटैक: CPrime और GPrime
एक बार जब उनके पास मैप था और वे नियमों को समझ गए, तो उन्होंने दो तरीके बनाए, जिन्हें वे CPrime+CProbe और GPrime+CProbe कहते हैं।
- CPrime (द CPU स्पाय): यह तरीका केवल CPU का उपयोग करता है। हमलावर साझा लाइब्रेरी को अपनी "डिकॉय" (छद्म) किताबों से भर देता है। फिर, वे पीड़ित (GPU) को अपना गुप्त प्रोग्राम चलाने देते हैं। यदि पीड़ित उस किताब को छूता है जिसे हमलावर ने वहां रखा था, तो हमलावर की किताब बाहर निकाल दी जाती है। जब हमलावर दोबारा लाइब्रेरी की जांच करता है, तो उसे एक देरी (एक "मिस") दिखाई देती है और वह जान जाता है, "आहा! GPU ने उस विशिष्ट शेल्फ को छुआ!"
- द कैच: यह धीमा है क्योंकि CPU को लाइब्रेरी भरने के लिए बहुत अधिक मेहनत करनी पड़ती है। सेटअप करने में इसे लगभग 7 मिलीसेकंड लगते हैं।
- GPrime (द GPU स्पाय): यह सुपरचार्ज्ड वर्जन है। यदि हमलावर GPU पर भी कोड चला सकता है (जो कई परिदृश्यों में अनुमत है), तो वे लाइब्रेरी को पलक झपकते ही भरने के लिए GPU की विशाल गति का उपयोग कर सकते हैं।
- द रिजल्ट: यह सेटअप CPU-ओनली वर्जन की तुलना में 6.4 गुना तेज़ है, जिसमें केवल 0.7 मिलीसेकंड लगते हैं।
उन्होंने क्या पाया: रहस्यों की जासूसी
शोधकर्ताओं ने केवल जाल बिछाना ही नहीं सीखा; उन्होंने वास्तविक रहस्यों को चुराने के लिए इसका उपयोग किया। उन्होंने दो परिदृश्यों का परीक्षण किया:
सोशल नेटवर्क मैप्स की चोरी (GNNs): उन्होंने एक ग्राफ न्यूरल नेटवर्क (GNN) पर हमला किया, जो सोशल नेटवर्क या मेडिकल डेटा का विश्लेषण करने के लिए उपयोग किया जाने वाला एक प्रकार का AI है। यहाँ "गुप्त" चीज़ लोगों या नोड्स के बीच के संबंध (एजेस) हैं। लाइब्रेरी की शेल्फों को देखकर कि GPU ने किन शेल्फों को छुआ, हमलावर मैप को फिर से बना सकता था।
- द स्कोर: वे पांच अलग-अलग डेटासेट्स में से 90% कनेक्शन (एजेस) को सही ढंग से रिकवर करने में सफल रहे। तेज़ GPU-आधारित विधि के साथ, वे कुछ मैप्स पर 99.9% सटीकता के करीब पहुँच गए।
आपके मन को पढ़ना (LLMs): उन्होंने लार्ज लैंग्वेज मॉडल्स (जैसे कि जो चैटबॉट्स को शक्ति देते हैं) पर हमला किया। ये मॉडल यह समझने के लिए कि आपने क्या टाइप किया है और उन्हें आगे क्या कहना चाहिए, एक विशाल डिक्शनरी (एम्बेडिंग टेबल) में शब्दों को खोजते हैं।
- इनपुट जासूसी: उन्होंने अनुमान लगाने की कोशिश की कि आपने कौन से कीवर्ड (जैसे बीमारी का नाम या स्टॉक टिकर) टाइप किए। उन्होंने 94.8% सटीकता के साथ इनपुट कीवर्ड्स को रिकवर किया।
- आउटपुट जासूसी: उन्होंने यह अनुमान लगाने की कोशिश की कि AI आपको क्या जवाब दे रहा है। उन्होंने 88.8% सटीकता के साथ AI के रिस्पॉन्स वर्ड्स को रिकवर किया।
द वर्डिक्ट
पेपर यह निष्कर्ष निकालता है कि एप्पल सिलिकॉन चिप्स पर साझा लाइब्रेरी एक "लीकी बडी" (रहस्य उजागर करने वाला साथी) है। भले ही CPU और GPU को अलग रहने के लिए बनाया गया है, लेकिन जिस तरह से वे इस फास्ट मेमोरी को साझा करते हैं, वह एक छिपा हुआ चैनल बनाता है जो एक साधारण, अनप्रिविलेज्ड प्रोग्राम को डरावनी सटीकता के साथ संवेदनशील ग्राफिक्स वर्कलोड की जासूसी करने की अनुमति देता है।
शोधकर्ताओं ने इन परिणामों को वास्तविक हार्डवेयर (एप्पल M1 चिप्स) पर मापा और पाया कि ये हमले केवल थ्योरी में ही नहीं, बल्कि वास्तव में विश्वसनीय रूप से काम करते हैं। वे सुझाव देते हैं कि भविष्य के कंप्यूटर डिज़ाइन्स को इस बारे में अधिक सावधान होने की आवश्यकता है कि वे मेमोरी को कैसे साझा करते हैं, अन्यथा हमारी निजी AI बातचीत और डेटा को साझा लाइब्रेरी में "बर्तनों के टकराने की आवाज़" सुनकर सुना जा सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।