Spectre saldırılarının analizi ve YZ-tabanlı tespit mekanizması geliştirilmesi

Günümüz işlemcilerinde yüksek performans elde etmek amacıyla kullanılan spekülatif yürütme ve önbellek mekanizmaları, aynı zamanda donanım tabanlı güvenlik açıklarına da zemin hazırlamaktadır. Bu mikro-mimari özellikler, saldırganların işlemcinin tahminsel yürütme davranışlarını manipüle ederek gizli verilere erişmesine olanak tanımakta ve Spectre gibi saldırıların ortaya çıkmasına neden olmaktadır. Bu tür saldırılar yalnızca donanım seviyesinde değil, yazılım tabanlı sistemlerin bütünlüğü açısından da ciddi bir tehdit oluşturmaktadır. Bu tez çalışmasında, modern işlemcilerde ciddi güvenlik açıklarına yol açan Spectre saldırılarının tespiti iki farklı yöntemle ele alınmıştır. İlk yöntemde, GEM5 simülatörü üzerinde Spectre V1 saldırısı gerçekleştirilmiş ve SPEC CPU2017 test uygulamalarından 519.LBM kullanılarak donanım performans sayaçlarından veri toplanmıştır. Elde edilen bu çok özellikli mikro-mimari veriler, saldırı ve normal senaryoları içeren bir veri seti hâline getirilmiş; LSTM, CNN ve SVM modelleri kullanılarak saldırıların tespiti gerçekleştirilmiştir. Deneysel sonuçlar, makine ve derin öğrenme tabanlı modellerin Spectre saldırılarını yüksek doğrulukla ayırt edebildiğini göstermiştir. İkinci yöntemde ise, önbellek yan kanal saldırılarının tespit edilmesinin Spectre saldırılarının dolaylı olarak önlenmesine katkı sağlayabileceği savunulmuştur. Bu amaçla, Intel işlemcide Prime+Probe yöntemi kullanılarak oluşturulmuş bir veriseti RF, DT, CNN ve LSTM modelleri ve hibrit halleri ile eğitilmiştir. Karşılaştırmalı analizler sonucunda, özellikle derin öğrenme tabanlı modellerin saldırı tespitinde yüksek doğruluk oranı sağladığı gözlemlenmiştir. Bu çalışma hem Spectre saldırılarının doğrudan tespiti hem de önbellek yan kanal analizi yoluyla dolaylı engellenmesi açısından bütüncül bir yaklaşım sunmakta; HPC tabanlı makine ve derin öğrenmesi yöntemlerinin işlemci güvenliğini artırmadaki etkinliğini ortaya koymaktadır.