Quantifying Side-Channel Leakage in Public Metrology Releases

技術要約：公開メトロロジー・リリースにおけるサイドチャネル漏洩の定量化

問題提起
半導体製造における粗さスペクトルなどの公開された科学的およびメトロロジー（計量学）的リリースは、公開者が非公開にすることを意図している隠れたプロセス・パラメータ（レシピ）を、不注意に漏洩させてしまう可能性がある。一度測定値が公開されると、観測者は、公開者の意図に反して、クエンチャー・ローディング、酸輸送長、あるいはストカスティック振幅といった特定のプロセス設定を復元できてしまう。本論文は、このリスクをプロファイリングされた統計的サイドチャネル監査として定式化する。核心となる課題は、特定の制約下にあるプロファイリング資源を持つ観測者に対して、保護されたレシピ・ビットが公開ユーティリティ・クラス内で統計的に判別可能になるまでに、何個の放出スペクトルが必要とされるかを定量化することである。

手法
著者らは、定量的な情報フローとプロファイリングされたテンプレート攻撃の推論を、公開科学リリースへと適応させた厳密なフレームワークを提案している。その手法は、リリース所有者とプロファイリングされた観測者による「レシピ・リリース・ゲーム」を中心に構成されている。

1. チャネル・モデリング: 公開トランスクリプトは、放出されたパワースペクトル密度（PSD）バンドとしてモデル化される。事例研究である極端紫外線（EUV）リソグラフィの場合、スペクトルは以下のスクリーンド・リアクション・ディフュージョン場としてモデル化される：
   $$S(k) = A e^{-\beta k^2}(1 + \lambda^2 k^2)^{-3/2} + S_0$$
   ここで、$A$（振幅）と$\beta$（ブラー）は摂動座標（nuisance coordinates）として扱われ、$S_0$はメトロロジー・フロア、$\lambda$は保護された輸送座標である。
2. 統計的形式化:
   • ガンマ・チャネル: 平均化されたPSDビンに対し、独立したビンがガンマ分布に従うと仮定して、厳密な尤度を導出する。
   • 共分散加重チャネル: ビンが相関している場合（例：重複するセグメントによる）、モデルは共分散加重ログ・スペクトル・チャネルに置き換えられる。
   • ダイバージェンス（発散）指標: 2つのユーティリティ等価なレシピが、保護された座標によって隔てられている場合の、厳密なカルバック・ライブラー（KL）ダイバージェンスおよびチェルノフ指数を計算し、判別可能性を定量化する。
3. アドバーサリ（敵対者）のクラス: 監査は、プロファイリング予算に基づいてアドバーサリを格付けする：
   • トレーニング予算 ($Q$): テンプレートの学習に使用されるラベル付きスペクトルの数。
   • ライブラリ・サイズ ($N$): 保存されたテンプレートの数。
   • 計算予算 ($T$): 評価される尤度スコアの数。
   • ミスマッチ: 真のデータ分布と、アドバーサリが適合させたモデルとの間の乖離。
     フレームワークは、最適ペアワイズ・テスト、有限ライブラリの閾値、および有限のトレーニングとモデル・ミスマッチに対する補正のための境界を提供する。

主な貢献

1. リソース明示的なゲーム: アドバーサリの努力を $(N, Q, L, T)$ という明示的な予算で格付けする、レシピ・リリース・ゲームの形式的な定義。これは理想化された情報理論的限界を超え、実用的な制約に基づいている。
2. 厳密な統計的境界: 厳密なガンマ・チャネルの尤度および相関のあるビンのための共分散加重による置換を導出し、正確なKLダイバージェンス、チェルノフ指数、および保護されたビットの優位性境界を得る。
3. 有限バンド輸送・リーク則: 振幅とブラーを排除した後、低周波バンドにおける保護された酸輸送情報が第9次の指数に従うことを示す主要な結果：
   $$I_{\lambda|\alpha,\beta}(K) = \frac{64}{1225} w \lambda^6 K^9 + O(w \lambda^8 K^{11})$$
   この法則は、$K\lambda \ll 1$ において成立する。ここで $K$ はバンド端である。
4. 摂動座標結合分析: メトロロジー・フロア ($S_0$) と化学的不識別性を扱い、フロアのプロファイリングが情報を減少させることを示し、「フロア盲目的（floor-blind）」な監査が信頼できる条件を定義する。
5. 制御された開示のための設計ツール: 保護された接線（tangent）をリリース・マップの零空間（nullspace）に配置する方法。これにより、リーク予算を遵守しながらユーティリティを最大化する公開統計量を計算できる。
6. 再現可能な監査プロトコル: 測定されたPSDリリースをリーク指数と安全なバンドへと変換するためのステップ・バイ・ステップのプロトコル（セクション8）。これには、ガンマ適合、共分散推定、およびミスマッチ・マージンのための診断が含まれる。
7. オープンな実装: すべての表と図を再現し、第9次漸近法則を検証し、モンテカルロ・シミュレーションを含む、固定シードのPythonパッケージ。

結果

• リーク指数: 本研究は、低周波領域においてリークがバンド端の第9乗 ($K^9$) に比例してスケールすることを裏付けている。これは、ローパス・リリース（小さな $K$）が保護されたビットを効果的に隠蔽する一方で、輸送膝（transport knee, $K\lambda \sim 1$）付近またはそれを超えるデータを放出すると、リークが劇的に増加することを意味する。
• RMS vs. PSD: スペクトルを単一の二乗平均平方根（RMS）スカラーに圧縮すると、属性情報の大部分が破壊される。合成監査において、RMSのみのリリースは成功率がチャンスに近いレベル（約0.55）であったのに対し、フルPSDリリースは、同数のスペクトルを用いて確実な属性特定（約0.98）を達成した。
• 有限トレーニングによるペナルティ: アドバーサリが限られたトレーニングデータ ($Q$) を持つ場合のペナルティを定量化する。疎なプロファイリング（$Q \le 20$）では、チャネルが理論上高いリークを許容していたとしても、アドバーサリの成功率はチャンスに近いレベルに留まる。成功率は $Q \gtrsim 50$ で決定的に上昇する。
• 相関の影響: ビン間の正の相関（例：重複するウェルチ平均によるもの）は、判別可能な情報を減少させる。対角ガンマ・監査（独立性を仮定したもの）は、共分散加重監査と比較して、リークを過大評価する。これは保守的な上限として機能する。
• フロアの条件付け: 監査は、低フロアかつ中程度のバンドという「良好に条件付けられた」コーナーを特定し、そこでフロア盲目的分析が有効であることを示している。条件が悪いレジームでは、リークを過大評価しないために、メトロロジー・フロアを明示的にプロファイリングする必要がある。

意義と範囲
本論文は、科学的メトロロジー・リリースに特化した再現可能な統計的サイドチャネル監査フレームワークを提供すると主張している。その意義は、「データの漏洩」という抽象的なリスクを、リリース所有者が開示決定を下す際に利用できる具体的な計算可能な数値（指数、安全なバンド、およびサンプル閾値）へと変貌させた点にある。

著者らはその範囲について謙虚な姿勢をとっている：

• EUVのケーススタディは、すべてのリソグラフィに対する検証済みプロセスモデルではなく、モデルに依存したインスタンス化である。
• 「保護された座標」$\lambda$ は有効な輸送長である。単一のスペクトルでは、制御されたスイープなしに個々の化学速度（例：クエンチャー・ローディングと損失率の分離）を一意に特定することはできない。
• 現在の結果は、パイプラインを試行するために、合成および再構成されたデータ（公開論文からの再構成された点を用いた「スモークテスト」を含む）に依存している。
• フレームワークは、計算（ガンマ／共分散チャネル、ダイバージェンス境界）に関しては**モデルに依存しない（model-agnostic）**が、物理的なインスタンス化については、特定のスクリーンド・スペクトル・モデルに依存している。

本論文は、次のステップとして、有効自由度と共分散を経験的に推定するために、このプロトコルを繰り返される測定リリースに適用し、理論的な境界から実用的な、測定された安全性保証へと移行することであると結論付けている。