One for All and All for One: GNN-based Control-Flow Attestation for Embedded Devices

本文介绍了一种名为Control-Flow Attestation（CFA）的安全服务，允许验证者在远程计算机系统（证明者）上验证代码执行的完整性。现有的CFA方案存在不切实际的假设，例如需要访问证明者的内部状态（例如内存或代码）、证明者软件的完整控制流图（CFG）、大量的测量或量身定制的硬件。此外，由于高计算开销和资源使用，当前的CFA方案不适用于嵌入式系统的验证。 本文通过引入一种名为RAGE的新型、轻量级的CFA方法，以最小的要求克服了现有CFA方案对嵌入式设备的限制。RAGE可以检测代码重用攻击（CRA），包括控制和非控制数据攻击。它可以有效地从一个执行跟踪中提取特征，并利用无监督图神经网络（GNN）来识别与良性执行的偏差。RAGE的核心思想是利用执行跟踪、执行图和执行嵌入之间的对应关系，消除对完整CFG的不切实际要求。 我们在嵌入式基准测试上评估了RAGE，并展示了以下结果：（i）它可以检测嵌入式软件上的40种真实世界攻击；（ii）我们在真实世界的嵌入式软件基准测试Embench上进行了合成返回导向编程（ROP）和数据导向编程（DOP）攻击的压力测试，实现了98.03%（ROP）和91.01%（DOP）的F1分数，同时保持了低的误报率3.19%；（iii）此外，我们在被数百万设备使用的OpenSSL上评估了RAGE，并实现了97.49%和84.42%的ROP和DOP攻击检测F1分数，误报率为5.47%。

本论文旨在解决现有控制流认证（CFA）方案存在的问题，如需要访问prover的内部状态、完整的控制流图、大量的测量数据或特定硬件等限制，以及不适用于嵌入式系统等问题。具体地，论文旨在提出一种轻量级的CFA方法RAGE，以最小的要求检测代码重用攻击（CRA），包括控制流攻击和非控制数据攻击。

RAGE的核心思想是利用执行跟踪、执行图和执行嵌入之间的对应关系，消除对完整控制流图的不切实际要求。具体地，通过从一个执行跟踪中提取特征，并利用无监督图神经网络（GNN）识别与良性执行的偏差来实现CRA检测。

论文在嵌入式基准测试中评估了RAGE，并证明了它可以检测40个嵌入式软件的真实攻击。此外，论文在真实世界嵌入式软件基准测试Embench上使用合成的返回导向编程（ROP）和数据导向编程（DOP）攻击进行了压力测试，实现了98.03%（ROP）和91.01%（DOP）的F1-Score，同时保持低的误报率（FPR）为3.19%。此外，论文还在被数百万设备使用的OpenSSL上评估了RAGE，并实现了97.49%和84.42%的F1-Score，FPR为5.47%。

与本论文相关的研究包括控制流完整性（CFI）技术、CFA技术、基于硬件的CFA技术、基于测量的CFA技术等。