Новый вектор атаки Rowhammer нивелирует любую защиту памяти DDR4

Новый вектор атаки Rowhammer нивелирует любую защиту памяти DDR4

Новый вектор атаки Rowhammer нивелирует любую защиту памяти DDR4

Как известно, эксплойты класса Rowhammer позволяют атакующему, не располагающему большими правами, модифицировать или повредить данные, хранящиеся в уязвимых чипах памяти. Теперь этот вид атаки угрожает практически каждому DDR4-модулю, поскольку новый вектор нивелирует защитные меры производителей.

С помощью вектора Rowhammer злоумышленники могут выбить самые высокие права в системе, обойти песочницы, а также проводить рутинг и заражение устройств, работающих на операционной системе Android.

Опубликованное исследование показало, как можно обойти все защитные меры, введённые в DRAM. Из 40 протестированных DIMM-модулей экспертам удалось добиться проброса битов в 100% случаев. Напомним, что предыдущее исследование (PDF) демонстрировало куда более скромные результаты: 13 из 42 чипов.

«Новая техника увеличивает число устройств, которые может взломать потенциальный злоумышленник. Согласно нашему анализу, успешной компрометации можно добиться в 80% случаев. Поскольку корень проблемы лежит в аппаратном обеспечении, эту уязвимость едва ли можно пропатчить в ближайшее время», — отмечают специалисты.

Для нового вектора атаки Rowhammer исследователи использовали кастомный фаззер — софт, предназначенный для выявления багов. Этот фаззер, получивший имя Blacksmith, «натравили» на DDR4-модули, которые на сегодняшний день занимают около 94% всего рынка DRAM.

Напомним, что в мае Google выявила ещё одну версию Rowhammer, которой присвоили название «Half-Double».

В России разработали способ удалить свой биометрический след

В ИТ-компании «Криптонит» (входит в «ИКС Холдинг») разработали метод, который позволяет выборочно удалять цифровые образы людей из систем распознавания лиц. Если совсем просто, речь идёт о технологии, которая должна помочь реализовать право человека отозвать согласие на обработку своей биометрии — так, чтобы система действительно перестала его узнавать.

Проблема тут в том, что современные системы распознавания лиц устроены не так прямолинейно, как может показаться.

Даже если сведения о человеке формально удалили из базы, его цифровой образ может всё равно остаться внутри уже обученной модели. То есть на бумаге данные вроде бы стерли, а на практике алгоритм всё ещё способен узнать этого человека.

Именно это и делает тему особенно чувствительной. С биометрией всё сложнее, чем с обычными персональными данными: пароль можно поменять, а лицо — нет. Если такие данные утекают, риски уже совсем другого уровня, потому что украденные цифровые слепки можно использовать для создания поддельных образов и обхода биометрической аутентификации.

 

В «Криптоните» утверждают, что их метод решает задачу не маскировкой и не косметическим удалением, а на уровне внутренней логики самой модели. Проще говоря, алгоритм перестаёт использовать сведения о конкретном человеке и больше не может его распознавать, при этом способность узнавать остальных людей сохраняется.

По словам разработчиков, на тестовых наборах данных технология показала заметное снижение эффективности распознавания именно тех лиц, которые нужно «забыть», — до 88%. При этом общая точность системы, как утверждается, осталась на прежнем уровне.

Практическое применение у такого подхода вполне очевидное. В первую очередь это системы видеонаблюдения с распознаванием лиц, СКУД и корпоративная безопасность. Например, технология может пригодиться для удаления биометрических данных уволенных сотрудников, когда компания обязана прекратить их обработку, но не хочет при этом заново переобучать всю систему с нуля.

RSS: Новости на портале Anti-Malware.ru