功耗侧信道攻击：从原理到Collide+Power防御实践

1. 功耗侧信道攻击的技术演进与Collide+Power定位

在硬件安全领域，功耗侧信道攻击（Power Side-Channel Attack）早已不是新鲜概念。传统攻击方式需要物理接触目标设备，通过示波器等设备直接测量芯片功耗波动。这种攻击方式在智能卡、密码模块等场景已被广泛研究，典型如差分功耗分析（DPA）和相关性功耗分析（CPA）。然而，Collide+Power的出现彻底改变了游戏规则——它首次实现了完全基于软件的远程功耗侧信道攻击。

Collide+Power的核心突破在于将物理量测量转化为纯软件可观测的时序差异。这类似于著名的Hertzbleed攻击，但攻击面更广：不仅能窃取密码算法中间值，还能针对任意内存数据。我在分析Arm架构的安全通告时注意到，攻击者通过精心构造的缓存访问模式，使得CPU功耗变化转化为可测量的执行时间差。具体而言，当攻击者数据与受害者数据在缓存中共存时，两者的汉明距离（Hamming Distance）会直接影响总线翻转功耗，进而被时钟节流机制转化为频率波动。

关键发现：现代处理器的动态电压频率调整（DVFS）机制无意中成为了攻击帮凶。当芯片功耗变化时，频率调节引入的时序差异成为天然的信号放大器。

2. Collide+Power攻击原理深度解析

2.1 汉明距与功耗的物理关联性

在晶体管层面，数据总线从0→1翻转消耗的能量与从1→0不同。当缓存行被修改时，新旧数据的汉明距（bit差异数量）与功耗呈正相关。例如：

• 写入0x55到当前值为0xAA的缓存行：所有bit翻转，功耗最高
• 写入0x55到当前值为0x55的缓存行：无翻转，功耗最低

攻击者通过以下步骤建立泄露模型：

1. 在L1缓存中预置已知模式数据（如全0）
2. 触发受害者操作使其数据加载到同一缓存组
3. 用不同猜测值覆盖缓存行，测量每次覆盖的耗时
4. 耗时最长的猜测值对应汉明距最大，即与受害者数据差异最大

2.2 两种攻击变体实现对比

MDS-Power（需SMT超线程）

python复制# 伪代码示例：攻击线程监控自身存储耗时
for guess in possible_values:
    start = rdtsc()
    store(guess)  # 强制缓存写入
    end