Group of Software Security In Progress

GoSSIP @ LoCCS.Shanghai Jiao Tong University

DATA – Differential Address Trace Analysis: Finding Address-based Side-Channels in Binaries

作者:Samuel Weiser, Andreas Zankl, Raphael Spreitzer, Katja Miller, Stefan Mangard, and Georg Sigl

单位:Graz University of Technology, Fraunhofer AISEC, Technical University of Munich

出处:27th USENIX Security Symposium (USENIX Security 18)

链接:https://www.usenix.org/system/files/conference/usenixsecurity18/sec18-weiser.pdf


简介

背景:内存访问模式(Memory access pattern)不同,可能导致秘密信息的泄露。在秘密信息不同的情况下,与秘密信息有关的数组读取或分支判断,会导致程序运行时的地址不同,从而导致秘密信息的泄露。因此分析程序,找到程序运行时地址相关的信息泄露很重要。

现状:现有的识别程序信息泄露的工具要么不精确要么覆盖范围不全面。

本文提出了DATA,一种差分地址轨迹分析框架(differential address trace analysis framework),可以检测程序二进制文件中基于地址的侧信道信息泄漏。使用DATA工具全自动地分析OpenSSL和PyCrypto,检测出了未知和已知的泄露。OpenSSL采纳了修改意见。

ConfLLVM: A Compiler for Enforcing Data Confidentiality in Low-Level Code

作者:Ajay Brahmakshatriya, Piyus Kedia, Derrick P. McKee, Deepak Garg, Akash Lal, Aseem Rastogi, Hamed Nemati, Anmol Panda, Pratik Bhatu

单位:MIT, IIIT Delhi, Purdue University, MPI-SWS, Microsoft Research, Saarland University, AMD

出处:EuroSys 2019

资料:Paper

1. 论文介绍

现实世界里的很多程序都不可避免地会含有很多私有数据。程序里存在的Bug和漏洞都可能导致这些私有数据被泄露出来,然后被攻击者获得(最典型的案例当然是OpenSSL Heart-bleed,可以泄露出Web服务器的私钥)。

对于这个问题,最标准的解决方法是使用静态数据流分析以及运行时污点分析来追踪私有数据。这种方案在Java和ML上效果都很好,但是在C这种不是内存安全的语言就还是很困难(原因有两点,一个追踪污点的性能开销很高,另一点是静态数据流分析没办法保证数据保密性,因为攻击者可以利用漏洞进行攻击)。

本文中作者为了解决这个问题,基于编译器设计了一套完整的实用方案。在这套方案里,程序员可以用private这样的标记在源码里标注。然后编译器就会结合静态数据流分析、运行时插桩、以及一个新式的Taint-aware CFI来保护数据在被攻击的情况下仍然不被泄露。为了减少运行时开销,编译器需要采用使用一些新的内存布局。

作者在LLVM上实现了这套方案(ConfLLVM),并且用标准SPEC-CPU Benchmard以及现实世界中的大型应用程序(例如NGINX、OpenLDAP)进行了评估,最后实验结果表明,插桩带来的运行时开销是是可以接受的(SPEC上12%),程序员需要对应用程序源码进行的移植也是很小的。

RWGuard: A Real-Time Detection System Against Cryptographic Ransomware

作者:Shagufta Mehnaz, Anand Mudgerikar, and Elisa Bertino

单位:Purdue University, West Lafayette, IN, USA

出处:International Symposium on Research in Attacks, Intrusions and Defenses (RAID 2018)

原文:https://link.springer.com/chapter/10.1007/978-3-030-00470-5_6


本文介绍了一个启发式的勒索软件检测工具RWGuard。RWGuard通过实时地记录进程对文件的操作,对这些操作进行量化考核从而识别出勒索软件进程。

背景介绍

勒索软件是一类恶意软件,这类软件通过加密受害者机器上的文件进而向受害者勒索赎金来换取解密密钥。通常这类软件会遍历主机上的所有文件,对每个文件生成单一密钥并且使用这个密钥对该文件进行加密,然后使用恶意软件制作者的公钥进行加密密钥并保存在受害机器本地。所谓勒索受害者换取赎金指的是,在受害者支付赎金后,恶意软件制作者使用私钥对这些密钥进行解密。

On the Relation Between Outdated Docker Containers, Severity Vulnerabilities, and Bugs

作者: Ahmed Zerouali, Tom Mens, Gregorio Robles, Jesus M. Gonzalez-Barahona

单位: UMONS, Belgium and URJC, Spain

出处: SANER’19

原文: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8668013

INTRODUCTION

本文基于从Docker Hub中提取Docker镜像,识别安装在其中的软件包,并通过分析这些软件包的technical lag来计算镜像的technical lag。 根据版本更新,漏洞和bug的数量来衡量单个软件包的technical lag。 初始样本由Docker Hub中基于Debian的所有官方镜像和社区镜像组成。 因此只需要为Debian软件包计算technical lag。

Discovering Flaws in Security-Focused Static Analysis Tools for Android Using Systematic Mutation

作者:Richard Bonett, Kaushal Kafle, Kevin Moran, Adwait Nadkarni, and Denys Poshyvanyk

单位:The College of William & Mary

出处:USENIX Security 18

资料:PDF, Slides, Video


Abstract

现有移动应用程序分析工具,特别是静态分析工具虽然有很高的覆盖率,但是在分析的精度和性能上有较大的损失——这是静态分析工具trade-off的结果。但是这些工具在设计中不够合理的分析和存在的缺陷通常不会在文档中描述,也通常不被研究人员,开发者和用户所知。作者实现了一个Mutation-based soundness evaluation (µSE) 框架,旨在系统地评估现行的Android静态分析工具并发现,记录和修复存在的缺陷,最终发现了FlowDroid的13个分析缺陷,并与工具的开发人员合作成功修复了其中一个缺陷。

Analyzing Semantic Correctness With Symbolic Execution: A Case Study on PKCS#1 v1.5 Signature Verification

题目:Analyzing Semantic Correctness with Symbolic Execution: A Case Study on PKCS#1 v1.5 Signature Verification

作者:Sze Yiu Chau[1], Moosa Yahyazadehy[2], Omar Chowdhuryy[2], Aniket Kate[1], Ninghui Li[1]

单位:[1]Purdue University, [2]The University of Iowa

出处: The Network and Distributed System Security Symposium (NDSS) 2019

原文:https://www.ndss-symposium.org/wp-content/uploads/2019/02/ndss2019_04A-4_Chau_paper.pdf

/images/2019-04-21:会议:NDSS2019个人主页PPT


一、背景

密码协议是保证数据安全可靠的协议,在现代的各个领域中都具有不可代替的作用。但是,开发一个安全可靠的密码协议并不是一件容易的事情,把密码理论应用到实际的生产中需要经历漫长的开发过程,在这之中,即使有一点点的疏忽,也可能导致原来安全的密码协议变得不再安全。

来源于数学理论的密码结构,在假定的前提下,通常是很难破解的,而在实际中,这些密码结构通常需要使用一种中间结构来表示(Glue Protocol,本文中是指 PKCS#1 v1.5),以适应不同的输入数据和数据格式。

当密码协议设计好之后,就要按照设计说明书来实现它,以此来保证密码协议的安全性,倘若在实现过程中没有严格按照标准实现,就有可能达不到原来设定的安全等级,使得密码协议容易遭到各种攻击。

PKCS#1 v1.5 就是一种中间结构,在 RSA 算法中,PKCS#1 v1.5 定义了 RSA 的数学表示形式,在某些特殊的参数设定下(例如:使用较小的公钥指数 e),PKCS#1 v1.5 签名验证方案可以让攻击者在没有私钥、也不对模数进行分解的情况下伪造一个数字签名。

像 IPSec 中的密钥生成函数 ipsec_rsasigkey ,所生成的公钥指数 e = 3,而且没有任何选项可供选择(比如生成更大的公钥指数),再结合代码实现中对签名数据的处理不当(例如:在 Openswan 中),就使得签名信息容易被攻击者伪造,造成不必要的损失。因此,检查代码实现中的语义信息的正确性就变得一项重要的工作。

Gigahorse: Thorough, Declarative Decompilation of Smart Contracts

作者:Neville Grech, Lexi Brent, Bernhard Scholz, Yannis Smaragdakis

单位:University of Athens and University of Malta, The University of Sydney, University of Athens

出处:ICSE’19

原文:http://yanniss.github.io/gigahorse-icse19.pdf


Abstract

智能合约是运行在区块链上的应用程序,其具有自主交易加密货币和代币的能力。随着智能合约的飞速发展,各种各样的安全威胁也接踵而至。然而,由于智能合约是以非常底层的字节码的形式存储并运行在区块链上的,如何有效的针对智能合约进行复杂的程序分析已经成为了一个亟待解决的难题。

文章提出了Gigahorse工具链,其核心是一个能够将智能合约由EVM字节码反编译为三地址码的反编译器。反编译得到的中间代码能够显式的体现出原先EVM字节码中隐式的数据流和控制流依赖。Gigahorse通过使用一种基于逻辑的声明式规范,利用高层的语义理解指导底层的反编译过程,成功反编译了超过99.98%的已部署合约。此外,Gigahorse还提供了一套功能齐全的工具链,以用于进一步的程序分析。

Total Recall: Persistence of Passwords in Android

出处:NDSS 2019

作者:Jaeho Lee, Ang Chen and Dan S. Wallach

单位:Rice University

原文链接:https://www.ndss-symposium.org/wp-content/uploads/2019/02/ndss2019_06A-4_Lee_paper.pdf


文章概述

处理内存中敏感数据,比较安全的做法是一旦数据不再使用,便将敏感数据缓存清零。这样即使攻击者获得了设备物理内存快照(通过物理接触或者Meltdown、Spectre等攻击方式),也没办法获取到敏感数据内容。在本文中,作者将关注点放在内存中的用户密码(password)上,通过对安卓框架和不同App(包括流行App、密码管理App和系统锁屏程序)的深入分析,对安卓App的内存中密码数据残留情况进行了系统的研究。研究结果表明安卓App中密码数据残留的情况确实不容乐观。作者总结了各种密码数据残留的情况及其成因,提出了解决方案并对该方案进行了评估。

Spectre Attacks:Exploiting Speculative Execution

作者:Paul Kocher1 , Daniel Genkin2 , Daniel Gruss3 , Werner Haas4 , Mike Hamburg5 , Moritz Lipp3 , Stefan Mangard 3 , Thomas Prescher 4 , Michael Schwarz 3 , Yuval Yarom 6

单位:1 Independent, 2 University of Pennsylvania and University of Maryland, 3 Graz University of Technology,4 Cyberus Technology,5 Rambus, Cryptography Research Division,6 University of Adelaide and Data61

出处:S&P 19

链接:https://spectreattack.com/spectre.pdf


1.introduction

在当前,现代计算机在执行条件跳转指令时使用跳转预测和推测执行来提高执行速度。具体来说,在执行条件跳转指令时,cpu在无法迅速确认下一条需要执行的指令时,会尝试预测并继续执行,执行结果会被丢弃或者确认。但是预测逻辑并不可靠,在执行预测的指令时,cpu会对程序产生可见的side effect。这种方式造成的信息泄漏可以诱发一种幽灵攻击(specture attack)。
幽灵攻击吸引受害者程序在正常执行过程中预测执行部分代码,将受害者程序中的机密信息通过侧信道传输给攻击者。这种攻击可以被用来攻破程序隔离,jit编译,容器机制。

example

conditional branch

具体来说,对于如下代码,如果array1_size处于uncached状态,并且攻击者能够控制x,并且希望获取array1[x]中的机密信息。

if (x < array1_size)
    y = array2[array1[x] * 256]; 

在cpu执行条件判断时,由于array1_size不在cache中,cpu需要从memory中读取array1_size才能判断跳转是否成立。为了提高执行性能,cpu在经过攻击者的多次‘训练’后,认为会条件判断成立,执行赋值语句能够提高性能。cpu会保存当前寄存器状态进入checkpoint,并预测执行y = array2[array1[x] * 256],将array2[array1[x]*256]读入cache。
虽然过后寄存器状态被恢复到checkpoint,但cache状态已经发生了变化,攻击者可以通过flush&reload方法判断array1[x]的值,造成信息leak。

indirect branch

同样的攻击也能够通过间接跳转实现。攻击者通过‘训练’Branch Target Buffer (BTB)多次跳转到gadget的虚拟地址,令victim程序在执行时,cpu预测执行gadget代码。如果gadget被精心选择,攻击能够读取victim程序中的全部内存。

Data Oblivious ISA Extensions for Side Channel-Resistant and High Performance Computing

作者:Jiyong Yu, Lucas Hsiung, Mohamad El Hajj, Christopher W. Fletcher

单位:University of Illinois at Urbana-Champaign

会议:NDSS 2019

原文链接:https://www.ndss-symposium.org/wp-content/uploads/2019/02/ndss2019_05B-4_Yu_paper.pdf

摘要

  • 指出了现有Data Oblivious Code(秘密信息不会留下trace的程序,健忘的)的安全性问题和性能问题
  • 在BOOM(Berkeley Out-of-Order Machine)基础上设计了一个可乱序执行可预测执行(允许常见优化)的OISA
  • 可以证明达到了BitCycle级的路径不可分辨性
  • 进行了性能评估,证明其性能优势