💻 computer science

Loaded Dice: Solving the Non-Selection Problem for Scalable Probabilistic RowHammer Defense

本文提出了 PrISM，一种可扩展的概率型 RowHammer 防御机制，它利用采样历史队列来关联窗口内的采样行，从而在低阈值下有效缓解未选中问题，且与现有的基于计数器的或固定概率方法相比，其性能开销可忽略不计，面积成本也极低。

原作者： Jeonghyun Woo, Junsu Kim, Aamer Jaleel, Prashant J. Nair

发布于 2026-05-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Jeonghyun Woo, Junsu Kim, Aamer Jaleel, Prashant J. Nair

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你计算机的内存（DRAM）是一座拥有数百万本书籍（行）堆放在书架上的巨型图书馆。多年来，为了节省空间，这座图书馆变得越来越小、越来越拥挤。但存在一个问题：如果你过度摇晃某个特定的书架，旁边书架上的书籍可能会从书脊上脱落并变得混乱。这被称为RowHammer。这是一种安全漏洞，黑客可以通过剧烈“摇晃”某个书架，意外地改变相邻书架中的数据，从而窃取机密或破坏系统。

本文介绍了一种保护这座图书馆的新颖且更聪明的方法，称为PrISM。以下是其工作原理，使用简单的类比进行说明：

旧方案的缺陷

为了阻止摇晃，图书馆管理员曾尝试过两种主要方法，但两者都存在重大缺陷：

“完美计数器”方案（PRAC）：
想象一位图书管理员站在每一个书架旁边，手里拿着一个计数器。每当有人抽出一本书，他们就会点击计数器。如果某个书架被摇晃的次数过多，他们会立即停止图书馆的运行以进行修复。
- 缺陷： 这极其缓慢。图书管理员必须为每一次抽书动作停下来点击计数器，即使该书架只是被正常使用。这将一座快速的图书馆变成了一座缓慢的图书馆。此外，为每个书架配备一个计数器需要占用大量空间（昂贵的硬件）。
“随机猜测”方案（MINT）：
为了节省时间，管理员尝试了另一种策略。他们不再监视每一个书架，而是每小时随机挑选一个书架进行检查。如果发现有问题，就进行修复。
- 缺陷： 如果图书馆很平静，这种方法效果很好。但如果黑客持续地摇晃某个特定书架，随机挑选者可能会因为运气不好而一直错过那个书架。为了解决这个问题，管理员不得不更频繁地检查书架（从每小时一次改为每十分钟一次），即使没有人发动攻击。这使得图书馆对所有用户（包括无辜用户）都变慢了。

新方案：PrISM（“历史侦探”）

作者提出了PrISM，它结合了“随机猜测”的速度与侦探的智慧。

工作原理：
PrISM 不再只是随机挑选一个书架进行检查，而是每小时挑选几个书架进行采样。它会维护一个小型的“便签”列表（称为采样历史队列），记录它最近看到但尚未修复的书架。

“交集”技巧：
想象黑客正在摇晃第 500 号书架。
第 1 小时： PrISM 挑选第 500 号书架进行检查。此时它尚未被摇晃到危险程度，因此 PrISM 只是在便签列表上写下“第 500 号书架”。
第 2 小时： PrISM 挑选了一组新的书架。纯属巧合，它再次挑选了第 500 号书架。
警报： PrISM 查看其便签列表，发现“第 500 号书架”已经存在，于是说道：“啊哈！这个书架反复出现。它被摇晃得太厉害了！”随后，它仅针对该特定书架呼叫紧急修复。

为什么这更好？

对普通用户： 如果你只是正常阅读书籍，你的书架不会连续两次出现在便签列表上。PrISM 不会打扰你。图书馆保持快速。
对攻击者： 如果黑客试图反复摇晃某个书架，他们无法隐藏。最终，他们的书架会两次出现在列表上，PrISM 就会抓住他们。
无需计数器： PrISM 不需要为每个书架配备计数器。它只需要一个微小、廉价的列表（大约一张便利贴的大小）来记录图书馆的每个区域。

结果

本文将这一新系统与旧系统进行了测试比较：

速度： PrISM 的速度几乎与完全没有安全措施的图书馆一样快。旧的“完美计数器”系统使速度降低了 14%，而“随机猜测”系统在图书馆繁忙时使速度降低了高达 17%。PrISM 仅使速度降低了约1.5%（有时低至 0.2%）。
空间： PrISM 使用极少量的内存来存储其“便签”，使其比旧系统更易于构建且成本更低。
安全性： 即使黑客非常激进地摇晃书架，它也能成功阻止他们。

一句话总结

PrISM 就像一名保安，他既不会监视每一个人（太慢），也不会仅仅随机猜测（风险太大）。相反，保安会保留一份他们最近见过的人员短名单。如果在短时间内看到同一个人两次出现在名单上，那时他们就知道出了问题并采取行动。这样既让其他所有人保持图书馆的快速运转，又能抓住捣乱者。

技术摘要：Loaded Dice：解决可扩展概率 RowHammer 防御中的非选择问题

1. 问题陈述

RowHammer 漏洞是指反复激活 DRAM 行会导致相邻受害行发生位翻转，随着 DRAM 技术的演进，该漏洞日益严重。引发翻转所需的最小激活次数（即 RowHammer 阈值 $T_{RH}$ ）显著下降，尤其是针对双面攻击（ $T_{RH-D}$ ）。

现有的缓解策略在安全性、性能和面积开销之间面临权衡：

每行激活计数（PRAC）： 作为 DDR5 的标准，PRAC 使用每行计数器来精确跟踪激活次数。然而，通过读 - 修改 - 写操作在每次激活时更新这些计数器，会显著增加 DRAM 时序参数（例如 $t_{RP}$ 和 $t_{RC}$ ），导致严重的性能下降（例如，平均 slowdown 约 14%），并且由于计数器单元的存在而产生显著的面积开销。
概率缓解方案（例如 MINT）： 这些方案通过在周期性窗口内随机选择行进行缓解，避免了每行计数器。虽然在高阈值（ $T_{RH-D} \ge 1000$ ）下有效，但在较低阈值下会遭受非选择问题。为了确保被频繁锤击的行不会被随机采样反复跳过，这些方案必须静态地提高其缓解率（更频繁地发出刷新管理命令 RFM）。这种固定速率的扩展会降低有效内存带宽，并导致显著的 slowdown（例如，在 $T_{RH-D}=250$ 时为 17.5%），即使在没有攻击的情况下也是如此。

核心挑战在于设计一种能够扩展到较低 $T_{RH-D}$ 的缓解方案，同时避免统一地增加缓解频率，从而在保持安全性的同时为良性工作负载保留性能。

2. 方法论：PrISM

作者提出了PrISM（基于概率交集采样的缓解），这是一种可扩展的片内 DRAM 防御机制，通过关联缓解窗口内的采样行地址来解决非选择问题。

核心机制

PrISM 在固定大小的缓解窗口上运行，但利用**采样历史队列（SHQ）**来跟踪随时间变化的行活动。

采样： 在每个窗口中，PrISM 从总共 $W$ 个时隙中随机采样 $R$ 个激活时隙。
交集检测： 当某行被采样时，PrISM 检查其是否与 SHQ 中的任何条目匹配。SHQ 存储了前 $L$ 个窗口（回溯窗口）中已采样但尚未缓解的行。
缓解请求：
- 默认缓解： 选择一个非交集的采样行作为该窗口的默认缓解候选。
- 额外缓解： 如果采样行与 SHQ 中的条目匹配（即“交集”），则表明存在持续性活动。PrISM 将该行排入待处理缓解队列（PMQ），并通过现有的 JEDEC **Alert 退避（ABO）*协议请求额外*的缓解。
服务： PMQ 缓冲等待服务的行。行在默认机会（目标行刷新或主动 RFM）期间被缓解。如果 PMQ 填满，或者某行的激活次数超过延迟阈值（ $T_{PMQ}$ ），PrISM 会发出 Alert 以触发立即 RFM。

关键设计特性

无每行计数器： PrISM 通过不为每一行维护计数器，避免了 PRAC 的面积和时序开销。
动态缓解率： 与 MINT 不同（MINT 随着 $T_{RH-D}$ 下降而全局增加缓解率），PrISM 保持较低的默认缓解率。仅当检测到持续性活动（交集）时，才增加缓解频率。
JEDEC 兼容性： PrISM 重用了现有的 ABO 协议，无需更改 DRAM 阵列或接口。
地址映射： 对于超低阈值（ $T_{RH-D} \le 250$ ），PrISM 采用随机化地址映射，以防止具有高空间局部性的良性工作负载触发误报交集。

3. 主要贡献

非选择问题的识别： 本文识别了固定速率概率防御在低阈值下失效的统计障碍，提出了一种不依赖统一速率扩展的新方法。
PrISM 设计： 一种新颖的基于交集的缓解方案，利用 SHQ 关联跨窗口的采样行，仅针对持续性攻击者进行有针对性的额外缓解。
安全分析： 作者对最坏情况下的“圆形-X 行”攻击进行建模，以确定不同窗口大小（ $W$ ）、采样时隙（ $R$ ）和回溯窗口（ $L$ ）配置下所支持的最小 $T_{RH-D}$ 。
全面评估： 本文在 57 个工作负载上评估了 PrISM，对比了 PRAC（特别是 QPRAC）和 MINT，并变化了 $T_{RH-D}$ 、内存密集度和系统配置。

4. 结果

使用 Ramulator2 DRAM 模拟器，配合 8 核乱序处理器和 DDR5-8000B 进行的评估表明：

性能开销：
- 在 $T_{RH-D} = 500$ 时，PrISM 造成的平均 slowdown 仅为0.2%，而 PRAC 为14%，MINT 为7.1%。
- 在超低阈值 $T_{RH-D} = 250$ 时，PrISM 实现了**1.5%的平均 slowdown。相比之下，MINT 遭受10.7%**的 slowdown，而 PRAC 仍保持在约 14%。
- 在高内存密集度工作负载上，PrISM 将 slowdown 从 17.5%（ $T_{RH-D}=250$ 时的 MINT）降低至 2.5%。
存储开销：
- 在 $T_{RH-D}=500$ 时，PrISM 每个 Bank 仅需625B 的 SRAM。
- 这比 Mithril 小 20 倍，比 ProTRR 小 170 倍。即使在 $T_{RH-D}=250$ 时，PrISM 的存储开销也比基于安全计数器的防御方案低一到两个数量级。
功耗开销：
- 功耗开销极小，估计约为 DRAM 芯片总功耗的0.6% 到 1.0%，主要归因于 SRAM 结构和小型 TRNG。
安全性：
- PrISM 支持低至 250 的 $T_{RH-D}$ ，每个 Bank 的目标平均无故障时间（MTTF）为 10,000 年。
- 该系统对拒绝服务（DoS）攻击具有鲁棒性；虽然攻击者可以迫使最坏情况下的 slowdown（在 $T_{RH-D}=250$ 时高达 2.31 倍），但这与现有的内存性能攻击相当。

5. 意义与主张

本文声称，PrISM 代表了 RowHammer 防御的重大进步，它解决了概率方案的可扩展性限制，同时避免了确定性基于计数器方法的高昂成本。

可扩展性： PrISM 通过仅在必要时动态增加缓解，成功扩展至低 $T_{RH-D}$ （低至 250），避免了先前概率方法的“固定速率扩展”惩罚。
实用性： 通过重用现有的 ABO 协议且无需 DRAM 阵列修改，PrISM 被呈现为近期 DDR5 系统的实用解决方案，而 PRAC 因其高开销导致其采用存在不确定性。
效率： 可忽略的性能 slowdown、最小的存储需求和低功耗的结合，使 PrISM 成为 PRAC 和现有概率防御（如 MINT）的优越替代方案，尤其适用于高性能、高内存密集度的工作负载。

作者得出结论，PrISM 提供了安全的 RowHammer 保护，其性能和面积特性使其在当前和未来的 DRAM 技术中具备商业部署的可行性。