公开(公告)号：CN119690779A

公开(公告)日：2025-03-25

申请号：CN202411771939.8

申请日：2024-12-04

Applicant: 北京邮电大学

Inventor： 邱朋飞 ,  王春露 ,  李小勇 ,  杨怡豪 ,  汪东升

IPC: G06F11/30 ,  G06F11/34 ,  G06F9/30

Abstract: 本发明提出了一种基于差分分析和模拟验证的隐藏PMU逆向工程通用框架。该框架能够高效解析Intel处理器隐藏PMU事件的功能和底层微架构行为。通过观察在执行精心设计的指令片段期间整个事件空间的计数变化，推断出与这些事件相关的底层微体系结构行为。基于这些初始推断，实现了一个逻辑上等效的模拟器来对这些事件进行建模。通过模拟器计数和真实CPU计数之间的差异分析，模拟器逐步优化以与真实CPU行为保持一致，使我们能够揭示隐藏PMU事件背后的微体系结构特征。本发明在性能监控、微架构研究和安全检测等领域具有广泛应用前景，不仅提高了性能计数器的硬件资源利用效率，而且显著扩展了处理器性能分析的能力范围。

公开(公告)号：CN119415859A

公开(公告)日：2025-02-11

申请号：CN202411335891.6

申请日：2024-09-24

Applicant: 北京邮电大学

Inventor： 邱朋飞 ,  王春露 ,  李小勇 ,  杨怡豪 ,  汪东升

IPC: G06F18/20 ,  G06F18/232 ,  G06F18/23213 ,  G06F18/213 ,  G06F11/34

Abstract: 本发明提出了一种基于机器学习的主流CPU隐藏PMU事件搜索与利用方法。通过遍历整个事件空间，记录CPU在执行所有有效指令时的事件计数变化，搜索隐藏PMU事件，并生成特征矩阵。然后，结合机器学习聚类算法对这些数据进行聚类分析，提取隐藏事件的共性特征，从而减少冗余的隐藏事件数量。在聚类算法选择上，由于不同处理器的隐藏PMU特征矩阵存在差异，该方法采用了DBSCAN和K‑Means++两种常用算法，并根据具体情况调整参数，优化聚类效果。然后，通过轮廓系数指标评估，选择最优的聚类算法以获得最佳效果。最后，为了进一步证明隐藏PMU事件的有效性，本发明使用隐藏PMU进行瞬态执行攻击检测和构造微架构侧信道攻击，展示了隐藏PMU事件的利用潜力和安全威胁。