Quantifying Side-Channel Leakage in Public Metrology Releases

Resumo Técnico: Quantificando a Vazão de Canais Laterais em Lançamentos de Metrologia Públicos

Definição do Problema
Lançamentos científicos e de metrologia públicos, como espectros de rugosidade da fabricação de semicondutores, podem inadvertidamente vazar parâmetros de processo ocultos (receitas) que a entidade de lançamento pretende manter privados. Uma vez que uma medição é publicada, um observador pode utilizar o registro para recuperar configurações de processo específicas — como carga de quencher, comprimento de transporte de ácido ou amplitude estocástica — sem a intenção do lançador. O artigo formaliza este risco como uma auditoria de canal lateral estatístico perfilado. O desafio central é quantificar quantos espectros lançados são necessários para que um bit de receita protegido se torne estatisticamente distinguível dentro de uma classe de utilidade pública, dadas restrições específicas sobre os recursos de perfilamento do adversário.

Metodologia
Os autores propõem um arcabouço rigoroso que adapta o fluxo de informação quantitativa e o raciocínio de ataque de template perfilado para lançamentos científicos públicos. A metodologia é estruturada em torno de um "jogo de receita-lançamento" envolvendo um proprietário de lançamento e um observador perfilado.

1. Modelagem de Canal: O transcrito público é modelado como uma banda de Densidade Espectral de Potência (PSD) liberada. Para o estudo de caso de litografia de Ultravioleta de Raios Extremamente Duros (EUV), o espectro é modelado como um campo de reação-difusão com blindagem (screened):
   $$S(k) = A e^{-\beta k^2}(1 + \lambda^2 k^2)^{-3/2} + S_0$$
   Aqui, $A$ (amplitude) e $\beta$ (borramento) são tratados como coordenadas de incômodo (nuisance), $S_0$ é o piso de metrologia, e $\lambda$ é a coordenada de transporte protegida.
2. Formalismo Estatístico:
   • Canal Gamma: Para bins de PSD média, os autores derivam verossimilhanças exatas assumindo que bins independentes seguem uma distribuição Gamma.
   • Canal Ponderado por Covariância: Quando os bins são correlacionados (por exemplo, devido a segmentos sobrepostos), o modelo é substituído por um canal de log-espectro ponderado por covariância.
   • Métricas de Divergência: O arcabouço computa divergências de Kullback-Leibler (KL) exatas e expoentes de Chernoff para quantificar a distinguibilidade entre duas receitas equivalentes em utilidade, separadas por uma coordenada protegida.
3. Classes de Adversários: A auditoria classifica os adversários por seus orçamentos de perfilamento:
   • Orçamento de Treinamento ($Q$): Número de espectros rotulados usados para treinar os templates.
   • Tamanho da Biblioteca ($N$): Número de templates armazenados.
   • Orçamento de Computação ($T$): Número de pontuações de verossimilhança avaliadas.
   • Desajuste (Mismatch): A lacuna entre a distribuição real dos dados e o modelo ajustado pelo adversário.
     O arcabouço fornece limites para testes pareados ótimos, limiares de biblioteca finita e correções para treinamento finito e desajuste de modelo.

Principais Contribuições

1. Jogo Explícito de Recursos: Uma definição formal do jogo de receita-lançamento com orçamentos explícitos $(N, Q, L, T)$ que graduam o esforço do adversário, indo além dos limites idealizados de teoria da informação para restrições práticas.
2. Limites Estatísticos Exatos: Derivação de verossimilhanças de canal gamma exatas e substituições ponderadas por covariância para bins correlacionados, gerando divergências KL precisas, expoentes de Chernoff e limites de vantagem de bit protegido.
3. Lei de Transporte de Banda Finita: Um resultado principal estabelecendo que, após eliminar amplitude e borramento, a informação de transporte de ácido protegida em uma banda de baixa frequência obedece a um expoente de nona ordem:
   $$I_{\lambda|\alpha,\beta}(K) = \frac{64}{1225} w \lambda^6 K^9 + O(w \lambda^8 K^{11})$$
   Esta lei é válida para $K\lambda \ll 1$, onde $K$ é a borda da banda.
4. Análise de Acoplamento de Incômodo: Um tratamento do piso de metrologia ($S_0$) e da não-identificabilidade química, mostrando como o perfilamento do piso reduz a informação e definindo condições sob as quais uma auditoria "cega ao piso" é confiável.
5. Ferramenta de Design para Divulgação Controlada: Um método para colocar tangentes protegidas no nuloc de (nullspace) o mapa de lançamento, permitindo o cálculo do estatístico público que maximiza a utilidade enquanto adere a um orçamento de vazão.
6. Protocolo de Auditoria Reproduzível: Um protocolo passo a passo (Seção 8) para transformar um lançamento de PSD medido em expoentes de vazão e bandas seguras, incluindo diagnósticos para ajuste gamma, estimativa de covariância e margens de desajuste.
7. Implementação Aberta: Um pacote Python de semente fixa que reproduz todas as tabelas e figuras, valida a lei assintótica de nona ordem e inclui simulações de Monte Carlo.

Resultados

• Expoentes de Vazão: O estudo confirma que a vazão escala com a nona potência da borda da banda ($K^9$) no regime de baixa frequência. Isso implica que lançamentos de passa-baixa (pequeno $K$) escondem efetivamente o bit protegido, enquanto o lançamento de dados próximos ou além do "joelho de transporte" ($K\lambda \sim 1$) aumenta drasticamente a vazão.
• RMS vs. PSD: Colapsar um espectro em um único escalar de Raiz Quadrada Média (RMS) destrói a maior parte do sinal de atribuição. Em auditorias sintéticas, lançamentos apenas de RMS resultaram em taxas de sucesso próximas ao acaso (aprox. 0,55), enquanto lançamentos de PSD total alcançaram atribuição quase certa (aprox. 0,98) com o mesmo número de espectros.
• Penalidade de Treinamento Finito: O artigo quantifica a penalidade quando um adversário possui dados de treinamento limitados ($Q$). Com perfilamento esparso ($Q \le 20$), a taxa de sucesso do adversário permanece próxima ao acaso, mesmo que o canal teoricamente permita maior vazão. O sucesso sobe decisivamente apenas quando $Q \gtrsim 50$.
• Efeitos de Correlação: A correlação positiva entre bins (por exemplo, de médias de Welch sobrepostas) reduz a informação distinguível. Uma auditoria de gamma diagonal (assumindo independência) superestima a vazão em comparação com uma auditoria ponderada por covariância, servindo como um limite superior conservador.
• Condicionamento do Piso: A auditoria identifica um canto "bem condicionado" (baixo piso, banda moderada) onde uma análise cega ao piso é válida. Em regimes mal condicionados, o piso de metrologia deve ser explicitamente perfilado para evitar a superestimação da proteção.

Significância e Escopo
O artigo afirma fornecer um arcabouço de auditoria de canal lateral estatístico reproduzível especificamente para lançamentos de metrologia científica. Sua significância reside em transformar o risco abstrato de "vazamento de dados" em números concretos e calculáveis (expoentes, bandas seguras e limiares de amostra) que um proprietário de lançamento pode usar para tomar decisões de divulgação.

Os autores são modestos quanto ao escopo:

• O estudo de caso de EUV é uma instanciação condicionada ao modelo, não um modelo de processo validado para toda a litografia.
• A "coordenada protegida" $\lambda$ é um comprimento de transporte efetivo; um único espectro não pode identificar unicamente taxas químicas individuais (por exemplo, separando a carga de quencher da taxa de perda) sem um varredura controlada.
• Os resultados atuais dependem de dados sintéticos e reconstruídos (incluindo um "teste de fumaça" em pontos reconstruídos de um artigo público) para exercitar o pipeline.
• O arcabouço é agnóstico ao modelo em relação ao cálculo (canais gamma/covariância, limites de divergência), mas depende do modelo de espectro com blindagem para a instanciação física.

O artigo conclui que o próximo passo é a implementação deste protocolo em lançamentos medidos repetidos para estimar graus de liberdade efetivos e covariância empiricamente, movendo-se assim dos limites teóricos para garantias de segurança medidas e práticas.