Cyberangriff: Forscher haben per Seitenkanalanalyse die zwischengespeicherten, komprimierten GPU Grafikdatenwerte aus einem Browser gestohlen, per Machine Learning (ML) rekonstruiert und sind so an Daten von Webseiten-Logins und anderen sensiblen Daten gelangt. Wie das Ganze abläuft klingt erschreckend einfach – aber man kann sich auch schützen!
In einem Forschungs-Papier stellen Forscher der Universitäten Austin Texas, Carnegie Mellon, Washington und Illinois Urbana-Champaign eine Methode vor, wie sie einen Seitenkanalangriff auf Grafikkarten GPUs ausführen, der zum Abrufen sensibler Informationen aus laufenden Programmen verwendet werden kann. Dieser “Pixeldiebstahl” und deren Werte – Artefakte – läuft dabei z.B. über den Browser eines Nutzers.
So läuft die Attacke per GPU-Daten ab
Der Angreifer kann Grafik-Artefakte mithilfe einer Seitenkanalanalyse messen. Seitenkanalanalyse ist eine Technik, mit der ein Angreifer Informationen über ein System erlangt, ohne direkt auf dieses System zugreifen zu können. Der Angreifer kommt an die Daten, indem er die mit Hilfe einer Lockseite im Internet Kompressionsartefakte misst, die bei der Komprimierung von Grafikdaten entstehen. Diese Artefakte sind datenabhängig, d. h. sie hängen von den Daten ab, die komprimiert werden.
Bei dem Angriff wurden die komprimierten Datenwerte ausgewertet und ein maschinelles Lernmodell erstellt, das die weiteren Speicherzugriffsmuster eines Zielprogramms mit hoher Genauigkeit vorhersagen kann. Sobald die Speicherzugriffsmuster des Zielprogramms vorlagen, wurden sie verwendet, um sensible Informationen zu extrahieren, wie z. B. Passwörter, Verschlüsselungsschlüssel oder Kreditkartennummern. Die Autoren haben gezeigt, dass dieser Angriff mit hoher Genauigkeit funktioniert. Sie konnten sensible Daten aus einer Vielzahl von Anwendungen stehlen, darunter Webbrowser, Videospiele und kryptografische Bibliotheken.
Per SVG-Filter analysierte Grafikdaten
Die Autoren führten ihren Angriff auf eine Vielzahl von GPU-basierten Anwendungen aus und zeigen damit, dass er mit hoher Genauigkeit funktioniert. Ihr Angriff ist eine erhebliche Bedrohung für die Sicherheit von GPU-basierten Systemen. Und das funktionierte so:
- Der Angreifer lockt einen Anwender auf eine Website, die mit einem SVG-Filter bestückt wurde
- Dieser SVG-Filter extrahiert “alle” vorhandene komprimierte Grafikdatenwerte, auch die, die von anderen Domains stammen.
- Die GPU des Angegriffenen komprimiert nun die Grafikdaten hardware-basiert.
- Die Kompression führt zu datenabhängigem DRAM-Verkehr und Cache-Nutzung.
- Der Angreifer misst per Seitenkanalanalyse den DRAM-Verkehr und die Cache-Nutzung der GPU.
- Der Angreifer verwendet maschinelles Lernen, um alle erbeuteten komprimierten Grafikdatenwerte aus den gemessenen Daten zu rekonstruieren.
- Die rekonstruierten Grafikdateien könnten beispielsweise ein Bild eines Passworts oder eines anderen sensiblen Datenelements enthalten.
Diese Erklärung ist natürlich nur sehr einfach und daher vielleicht nicht ganz korrekt dargestellt. Eine wissenschaftliche Analyse aller Schritte halten die Wissenschaftler Yingchen Wang, , Riccardo Paccagnella, Zhao Gang, Willy R. Vasquez, David Kohlbrenner, Hovav Shacham und Christopher W. Fletcher in einem 6-seitigen PDF-Whitepaper bereit.
So kann man sich gegen diese GPU-Attacken schützen
Um sich vor dieser Art Angriff zu schützen, empfehlen die Autoren folgende Schritte für Unternehmen und Organisationen:
- Die Nutzung von hardware-basierter Kompression durch GPUs deaktivieren. Dies ist die effektivste Mitigationsmaßnahme, da sie den Angriff vollständig verhindert.
- Die Verwendung von komprimierten Grafikdaten auf ein Minimum beschränken. Dies verringert die Wahrscheinlichkeit, dass ein Angreifer sensible Daten stehlen kann.
- Die Verwendung von Seitenkanal-Angriffserkennungs- und -Mitigationsmaßnahmen. Diese Maßnahmen können dazu beitragen, den Angriff zu erschweren oder zu verhindern.
Das passende Whitepaper “GPU.zip: On the Side-Channel Implications of Hardware-Based Graphical Data Compression” steht im Internet zum Download bereit.
Direkt zum PDF auf Hertzbleed.com