MARC

 008260126s2024        us                              c    eng  d
■001000017360325
■00520260202105506
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263328986
■035    ▼a(MiAaPQ)AAI32308054
■035    ▼a(MiAaPQ)GeorgiaTech78609
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aUgurlu,  Elvan  M.
■24510▼aLeveraging  Electromagnetic  Side  Channel  for  Software  Activity  Analysis  and  Modeling
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a134  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Prvulovic,  Milos.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aSide  channels  are  created  unintentionally  as  a  byproduct  of  computer  system  implementations,  and  they  can  possibly  leak  confidential  and  sensitive  information.  By  using  consumed  power,  temperature  changes,  acoustic  emanations  and  electromagnetic  (EM)  emanations,  several  side-channel  attacks  have  been  reported  in  the  literature.  Side  channels  are  also  used  in  non-adversarial  applications  including  malware  detection,  program  profiling,  reverse  engineering,  etc.  However,  these  approaches  have  the  following  drawbacks:  1)  they  are  coarse-grained,  which  means  they  cannot  detect  small  changes;  2)  they  are  limited  to  simple  computers  with  low  operating  clock  frequencies;  3)  they  do  not  consider  the  microarchitecture-level  features  of  computers,  leading  to  inaccurate  modeling  and  tracking.To  address  these  challenges,  this  thesis  describes  a  systematic  framework  for  analyzing  and  modeling  software  activities  of  modern  computing  devices  using  the  electromagnetic  side  channel.  This  framework  integrates  various  methodologies  and  techniques  to  address  the  limitations  of  current  approaches  at  finer  granularity,  particularly  on  modern  computers  with  pipelined  processors  and  high  clock  frequencies.  Specifically,  the  first  contribution  of  this  thesis  is  a  technique  that  allows  for  increasing  the  effective  sampling  rate  and  SNR  of  the  signals  collected  with  readily  available  measurement  devices.  The  second  contribution  is  PITEM,  a  mechanism  to  1)  identify  groups  of  instructions  that  have  similar  EM  signatures,  and  2)  track  all  possible  orderings,  i.e.,  permutations,  of  these  instruction  groups.  The  final  contribution  is  machine-learning-based  modeling  of  the  electromagnetic  side  channel  signals  by  indirectly  addressing  several  microarchitecture-level  properties.This  thesis  would  provide  other  researchers  with  tools  and  insights  that  can  be  used  to  leverage  the  electromagnetic  side  channel  in  various  applications.
■590    ▼aSchool  code:  0078.
■650  4▼aData  processing
■650  4▼aSoftware
■650  4▼aComputers
■650  4▼aMalware
■650  4▼aInvestigations
■650  4▼aSignal  to  noise  ratio
■650  4▼aCyclones
■650  4▼aField  programmable  gate  arrays
■650  4▼aNeural  networks
■650  4▼aComputer  science
■650  4▼aElectrical  engineering
■650  4▼aInformation  technology
■650  4▼aMeteorology
■650  4▼aElectromagnetics
■690    ▼a0800
■690    ▼a0984
■690    ▼a0544
■690    ▼a0489
■690    ▼a0557
■690    ▼a0607
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360325▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books