【摘 要】
:
当今计算机软件面临的安全防护挑战主要集中在内存相关的溢出攻击上,为了绕过“数据段不可执行”等经典防御机制,入侵者往往会选择代码复用的方式实现攻击意图。面向返回编程
论文部分内容阅读
当今计算机软件面临的安全防护挑战主要集中在内存相关的溢出攻击上,为了绕过“数据段不可执行”等经典防御机制,入侵者往往会选择代码复用的方式实现攻击意图。面向返回编程(Return Oriented Programming,ROP)就是一种允许入侵者劫持程序控制流并执行任意恶意行为的代码复用技术。ROP攻击旨在通过链接以返回指令结尾的短指令序列构建恶意代码,进而威胁用户空间甚至内核空间中的应用模块。目前针对ROP攻击的检测方法多属单机下的防护,检测系统自身存在一定安全隐患,而虚拟机自省技术允许检测系统在强隔离的虚拟机管理层对客户虚拟机用户进程实现透明监控,极大地提升了检测过程的健壮性。本文通过还原ROP攻击细节,对其核心gadget链特征进行分析,提出了基于硬件辅助的ROP攻击多层检测方法。该方法实时监控虚拟机用户进程的指令执行过程,通过最后分支记录器(Last Branch Record,LBR)中的分支记录对返回分支进行合法性校验,同时通过gadget链长阈值判定来检测ROP攻击是否存在。针对能够绕过链长阈值判定的long gadget,则进一步由硬件性能计数器(Hardware Performance Counter,HPC)中的分支指令数、误测分支指令数匹配,以及gadget指令数阈值判定来对ROP攻击予以识别。在上述算法基础上,以KVM虚拟化框架为背景,实现了基于虚拟机自省的ROP攻击检测原型系统VMIROP。主要结合KVM内核模块功能,捕获客户虚拟机内用户空间的系统调用,并通过维护CR3寄存器查找表还原虚拟机中的进程切换。在识别目标用户进程的前提下,由perf内核模块获取底层硬件信息,最终执行基于硬件辅助的ROP检测逻辑。经过实际攻防实验,原型系统在构造样本上的检出率达到了90%以上,能够有效识别由CVE-2017-9430等内存溢出漏洞引起的ROP攻击。同时,虚拟机处理器平均性能损耗为6.4%。
其他文献
教育需要以生命为根本出发点,以促进生命发展、提高生命质量为责任,以追寻生命价值和生命意义为目的。生命化音乐教育是构成生命教育体系的重要分支系统,也是实践生命教育理
行人再识别(Person Re-identification,Person Re-ID)指给定一个摄像头网络中某一摄像头下的行人图片,自动提取出其它摄像头下同一行人的图片。由于摄像头部署差异和行人运动,同一行人表现的外表特征会有较大变化,给行人再识别带来了巨大的挑战。基于深度学习的行人再识别系统可以有效提取行人的外表特征,效果,但需要大量的训练数据,而当前的行人再识别数据集规模都比较小,无法完全满
随着人工智能、机器学习以及模式识别等技术的蓬勃发展,表情分析在机器视觉等领域成为一个重要的研究方向,在人机交互、远程教育、医疗、日常生活以及安全等方面有着广泛地应
随着网络的大范围普及,网络终端的接入数量爆炸式增长,网络业务也更加多元化,对传统网络的组播模式带来新的挑战。软件定义网络(Software Defined Network,简称SDN)解耦了网络的控制和转发功能,提出可编程化的新型网络架构,为组播业务的优化提供了更多可能性。然而,现今对于SDN组播的研究多数集中在单域组播路由算法的改进上,在多域协同的SDN环境下,设计并实现符合目前组播服务需求的完
公簿持有农是英国农民阶级的重要组成部分,它的兴起和发展体现了英国社会经济的不断变迁。本文主要研究的时间段为14世纪中后期至20世纪上半叶,共分为三个章节进行探析。第一章讲述公簿持有制的初步发展。从维兰到公簿持有农,是农民身份的转变,也是中世纪英格兰社会环境变化的重要表现。公簿持有制的土地期限较长且有着固定的低地租,这种保有关系在英国迅速发展。第二章讲述圈地运动与公簿持有农的关系。笔者以都铎王朝和议
人工智能时代是数据驱动的时代,有了数据就能够获得真实世界的规律并有利于人们更好地做出决策。在图像识别和机器视觉技术领域,如图像、视频这样包含了大量数据的载体也是人工智能时代十分重要的数据来源。不同于普通的表格数据,这些数据的表现形式和处理方法直接决定了人们能从中挖掘出多少有用信息。因此,图像识别技术是人工智能发展领域中十分重要的一部分。头部姿态估计是图像处理和机器视觉中的一大研究热点,其检测过程是
格被广泛应用于拓扑学、逻辑学、组合学和代数学等数学领域.格与群、环、域都是代数学中重要的代数系统,而与群、环、域不同的是,格是一类特殊的偏序集.格作为偏序集能够更准
迁移学习或域适应学习是目前机器学习中一个热点研究领域,利用与目标域相关的源域知识辅助目标域的学习。异构域适应学习(Heterogeneous Domain Adaptation,HDA)是域适应学习的重要分支,由于源域和目标域间的特征空间不同,域间的知识迁移更具有挑战性。如何对齐不同的特征空间,自适应地迁移相关知识对于HDA而言至关重要。目前已出现很多HDA方法,但仍存在以下不足:1)只注重对齐源
在应对不同容量规模的文件存储的场景里,现有分布式存储系统采用的存储策略是固定文件分块大小的方式,如GFS和HDFS等,固定分块目的是为了提高服务器并行写入数据的性能和减少
非均衡数据场景在现在的大数据处理,机器学习任务中十分常见。标准的机器学习算法一般都是以样本数据分布大致均匀为前提建立的,然而当样本数据分布不均衡时,算法的准确度会