เรื่องเล่าที่ผิดพลาดของแมชชีนเลิร์นนิง

เกี่ยวกับบล็อก

• ในเดือนมิถุนายน 2022 หลังจบการศึกษาจาก MIT ได้ไปนำเสนอผลงานวิจัยด้านความปลอดภัยฮาร์ดแวร์ในการประชุมวิชาการครั้งแรก
• งานวิจัยนี้ได้รับรางวัลชนะเลิศ Intel 2024 Hardware Security Academic Award และได้รับคัดเลือกเป็น IEEE Micro Top Picks
• งานวิจัยกล่าวถึงการวิเคราะห์การโจมตี side-channel ที่ใช้แมชชีนเลิร์นนิง

ภูมิหลังของงานวิจัย

• งานวิจัยว่าด้วยการโจมตีที่ใช้โมเดลแมชชีนเลิร์นนิงในเว็บเบราว์เซอร์ และการประยุกต์ใช้ที่ผิดพลาดจากความเข้าใจคลาดเคลื่อนต่อโมเดล
• งานวิจัยยังรวมเรื่องราวเกี่ยวกับการเติบโตส่วนบุคคลและความสำคัญของเมนเทอร์

ภาพรวมของการโจมตีแบบ side-channel

• แม้จะรักษาความเป็นอิสระระหว่างแอปพลิเคชันผ่านการแยก process แต่การใช้ทรัพยากรร่วมกันก็ยังทำให้มีโอกาสเกิดการรั่วไหลของข้อมูล
• มีการอธิบายตัวอย่างการติดตามกิจกรรมของผู้ใช้ผ่านกิจกรรมบนเครือข่าย

Website Fingerprinting

• อธิบายการโจมตีแบบ Website Fingerprinting ที่ใช้ CPU cache
• ผู้โจมตีสามารถระบุเว็บไซต์ที่ผู้ใช้เข้าชมได้โดยวิเคราะห์รูปแบบกิจกรรมของ CPU cache

โปรเจกต์สุดท้าย

• ทำซ้ำงานวิจัยของ Shusterman et al. และค้นพบวิธีโจมตีแบบใหม่
• วิธีที่เพียงแค่เพิ่มตัวนับกลับให้ความแม่นยำสูงกว่า

การสืบสวน side-channel ปริศนา

• ทดสอบสมมติฐานหลากหลาย เช่น การปรับความถี่ CPU การแย่งใช้คอร์ และ system interrupt
• สรุปได้ว่า system interrupt ส่งผลต่อการโจมตี

ผลการวิจัย

• ค้นพบ side-channel แบบใหม่ และเน้นย้ำถึงความจำเป็นในการใช้โมเดลแมชชีนเลิร์นนิงอย่างรอบคอบ
• งานวิจัยนี้มีส่วนช่วยต่อสาขาความปลอดภัยฮาร์ดแวร์และสถาปัตยกรรมคอมพิวเตอร์

บล็อกนี้มอบความเข้าใจเชิงลึกเกี่ยวกับแมชชีนเลิร์นนิงและสถาปัตยกรรมคอมพิวเตอร์ พร้อมแบ่งปันการเติบโตส่วนบุคคลและการค้นพบระหว่างกระบวนการวิจัย