Dans le contexte des infrastructures industrielles, les systèmes embarqués critiques sont couramment déployés et exploités pour le contrôle et la commande des procédés physiques. Ces systèmes sont de plus en plus complexes, fondés sur des architectures matérielles et logicielles toujours plus performantes. En revanche cette complexification a conduit à l'expansion de la surface d'attaque à laquelle ces systèmes sont exposés. En particulier, l'exploitation de vulnérabilités impactant les mécanismes microarchitecturaux (couches basses) restent difficilement identifiables. Les chevaux de Troie, maliciels imitant un comportement légitime, sont particulièrement subtils : les plus insidieux cherchent à échapper aux méthodes de détection actuelles, afin de maintenir leur activité malveillante dans le système de manière furtive. En raison du recours fréquent à des sous-traitants externes, le suivi du cycle de conception, développement, et fabrication de ces systèmes numériques est délicat, autant sur le plan matériel que logiciel, et constitue un terrain propice à l'insertion de ces modifications malveillantes.
Pour pouvoir détecter ces chevaux de Troie lors du fonctionnement du système, une solution pertinente consiste à définir un certain nombres d'observables capables de capturer les caractéristiques de ces malveillances furtives. Ainsi, à l'interface entre le logiciel et le matériel, des métriques remontant des informations sur l'état de la microarchitecture sont habituellement exposées aux couches applicatives : les compteurs de performance. Cependant, leur utilisation dans un algorithme de détection impose plusieurs limites : leur collecte au niveau logiciel peut interrompre le processus en cours, leur implémentation est spécifique à un microarchitecture donnée, et leur conception initiale a été réalisée pour l'observation des performances du système, et non de sa sécurité. En conséquence, nous proposons la construction de nouveaux compteurs, capturant des informations microarchitecturales génériques ; ces nouveaux compteurs sont extraits matériellement sans perturbation de l'exécution d'un programme, et sont utilisés pour la détection d'attaques pouvant toucher les systèmes embarqués critiques. Les bus de communication représentent des sources d'information pertinentes : ils relient les différents blocs d'un Système sur Puce, permettant au processeur, aux mémoires, ainsi qu'aux interfaces périphériques d'échanger des informations essentielles sur le fonctionnement en cours.
Dans ces travaux, nous exploitons la flexibilité des composants FPGA pour déployer rapidement des architectures de Systèmes sur Puce, instrumentées à l'aide de sondes matérielles. Des signaux internes sont collectés et analysés à l'aide d'algorithmes de Machine Learning explicables et interprétables pour concevoir des modules de détection de compromission (logicielles et matérielles) légers, embarquables au sein même du système cible. Cette démarche a été conduite afin d'étudier des chevaux de Troie logiciels (corruptions du firmware d'un système cyber-physique), ainsi que des chevaux de Troie matériels (mise en défaut d'un algorithme de chiffrement authentifié). Dans ces deux cas d'études, l'approche proposée a montré une nette amélioration de la précision de la détection basée sur nos compteurs personnalisés comparée aux compteurs de performance, ouvrant la voie à leur intégration et à la mise en place de diagnostics d'attaques et de mécanismes réactifs face aux anomalies ayant lieu sur les systèmes en fonctionnement.
La généricité de la plateforme proposée permet également l'étude de métriques utiles pour l'évaluation d'autres cas d'usages ou d'architectures matérielles alternatives de complexités différentes, en vue de la conception de nouveaux compteurs matériels spécifiques pour la sécurité. |
In the context of industrial infrastructures, critical embedded systems are commonly deployed and used to monitor and control physical processes. These systems are becoming increasingly complex, based on ever more powerful hardware and software architectures. However this increased complexity has led to an expansion of the attack surface to which these systems are exposed. In particular, the exploitation of vulnerabilities affecting microarchitectural mechanisms (low-level layers) remains difficult to identify. Trojan horses, which are malware that mimic legitimate behavior, are particularly subtle: the most insidious ones seek to evade current detection methods in order to maintain their malicious activity within the system in a stealthy manner. Due to the frequent use of external subcontractors, tracking the design, development, and manufacturing cycle of these digital systems is challenging, both in terms of hardware and software, and provides fertile ground for the insertion of such malicious modifications.
To detect these Trojan horses during system operation, a relevant solution is to define a number of observables capable of capturing the characteristics of these stealthy malicious activities. At the interface between software and hardware, performance counters typically provide application layers with metrics about the microarchitecture's state. Nevertheless, their use in detection algorithms presents several limitations: their software-level collection can interrupt the ongoing process, their implementation is specific to a given microarchitecture, and their initial design was intended for monitoring system performance rather than security. Consequently, we propose the construction of new counters that capture generic microarchitectural information; these new counters are extracted at the hardware level without disrupting program execution and are used for detecting attacks that may affect critical embedded systems. Communication buses represent relevant sources of information: they connect the various blocks of a System-on-Chip, enabling the processor, memories, and peripheral interfaces to exchange essential information about the ongoing operation.
In this work, we leverage the flexibility of FPGA components to rapidly deploy System-on-Chip architectures, instrumented with hardware probes. Internal signals are collected and analyzed using explainable and interpretable machine learning algorithms to design lightweight detection modules for software and hardware compromises that can be embedded within the target system itself. This approach was conducted to study software Trojan horses (firmware corruption in a cyber-physical system) as well as hardware Trojan horses (fault injection in an authenticated encryption algorithm). In both case studies, the proposed approach demonstrated a significant improvement in detection accuracy using our custom counters compared to performance counters, paving the way for their integration and the implementation of attack diagnostics and reactive mechanisms for anomalies occurring in operational systems.
The genericity of the proposed platform also enables the study of useful metrics for evaluating other use cases or alternative hardware architectures of varying complexities, with the aim of designing new hardware counters specifically for security. |