探秘ARMageddon:移动设备上的缓存测试工具
2024-05-23 23:19:47作者:裴麒琰
项目介绍
在信息安全领域,ARMageddon: Cache Attacks on Mobile Devices是一个重要的开源项目,它研究了手机CPU如何影响软件级别的安全与隐私。这个项目包含了一系列的库和工具,使开发人员能够在未root的ARM架构设备上进行跨核缓存测试,无需任何特殊权限。这些测试方法包括著名的Prime+Probe、Flush+Reload、Evict+Reload以及 Flush+Flush。
该工具集最初由Lipp等人在Usenix Security Symposium 2016和Black Hat Europe 2016会议上发表的论文中详细介绍,并被广泛用于研究隐蔽通道,实施缓存模板测试,以及分析触摸屏输入事件和加密原语。
项目技术分析
ARMageddon的核心是libflush库,这是一个跨平台的缓存测试构建框架。它使得开发人员可以在各种设备上实现不同类型的缓存测试策略。此外,Cache Template Tests提供了跨平台的缓存模板测试实现,通过监控缓存活动来分析目标应用的行为。Eviction Strategy Evaluator则帮助找到针对特定设备的优化驱逐策略,而Input Analyzer则能记录触摸事件以配合测试。
项目及技术应用场景
这些技术的应用范围包括:
- 研究隐蔽通道:分析Android系统中的数据传输机制。
- 分析用户行为:通过缓存模板测试,能够研究用户的点击、滑动和按键事件。
- 测试加密算法:在Java环境中,可以对加密原语进行研究。
- TrustZone安全区域分析:从普通世界观察ARM TrustZone内的缓存活动,研究硬件隔离的安全性。
项目特点
- 无特权访问:无需设备root权限即可进行多种缓存测试。
- 跨平台兼容:支持多种ARM架构的移动设备。
- 多种测试方法:涵盖多种经典的缓存测试技术。
- 实用工具集:提供评估和分析工具,方便研究与开发。
总的来说,ARMageddon为移动设备安全领域的研究者和开发者提供了新的研究视角,让我们有机会深入理解并防御这类新型测试。如果你对移动设备安全有兴趣,或者想要了解更多信息安全的可能性,可以尝试这个项目。但请记住,使用这些工具时要遵守当地法律法规,尊重他人的隐私。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147