41、时间就是金钱：Goblin攻击对GC框架的威胁与应对

时间就是金钱：Goblin攻击对GC框架的威胁与应对

1. Goblin攻击原理

Goblin通过聚类算法提取混淆器的输入。在获取预处理数据后，它会启动聚类算法来确定每个混淆器的输入位。由于Goblin对CPU周期数据进行了归一化处理，质心中门类型的主导地位消失，因此无论门类型如何，Goblin都会将CPU周期聚类为对应输入0和输入1的两个簇。为了揭示输入位，Goblin会跟踪归一化前的最大值Max({ci}n i=1)。聚类过程结束后，所有包含最大元素的簇成员都被标记为“1”，即混淆器输入位为“1”；其他簇则对应混淆器输入位“0”。

2. 性能指标

设ci为混淆器输入x = x1 · · · xn（n位对应n条线，为电路提供混淆器输入）的泄漏测量值，即CPU周期数。为了评估攻击的有效性，我们计算在给定单条轨迹{c}n i的情况下恢复混淆器输入的成功率（SR）。Goblin是一种非轮廓攻击，使用k - 均值聚类算法作为区分器，将任何观测值ci分配到与输入位xi为“0”或“1”相关联的簇p0或p1中。成功率的定义如下：
SR := ∑j∈{0,1} ∑n i=1 Pr(ci ∈pj | xi = j)
简单来说，SR表示混淆器输入的n位中正确披露的位数。

3. 实验设置

我们运行了JustGarble、TinyGarble和Obliv - C框架，这些框架可通过GitHub仓库获取。混淆器和评估器代码在两个运行Linux Ubuntu 20、拥有16GB内存和Intel Core i7 - 7700 3.60GHz CPU的系统上运行，两个系统通过局域网（LAN）电缆连接。为了在最大可能的情况下迫使CPU从RAM将