ARM, AI 지원 DL-SCA 하드웨어 공격이 위협 환경을 변화시킬 것

데이터가 가장 가치 있는 자산으로 떠오르면서, 이를 무단으로 탈취하기 위한 시간, 에너지, 컴퓨팅 자원의 투자가 점점 더 가치 있는 일이 되고 있습니다. 컴퓨팅의 제5의 물결은 인공지능(AI)과 데이터에 의존하는 기타 기술의 등장을 목격하고 있으며, 이들은 5G 네트워크를 통해 사물인터넷(IoT) 전반에 걸쳐 그 어느 때보다 빠르게 분산되고 있습니다. 개인, 산업, 정부 등 모든 수준에서 데이터의 생성, 전송, 처리에 의존하는 사회는 악의적인 공격자들에게 매우 수익성 높은 기회를 제공하며, 착취의 대상이 되고 있습니다.

지난해 발생한 Spectre 및 Meltdown 공격은 물리적인 실리콘 보안에 대한 강력한 경종을 울렸습니다. 이는 취약점이 소프트웨어 버그, 네트워크 약점, 또는 인간의 사회 공학적 기법에만 국한되지 않는다는 사실을 전 세계에 상기시켰습니다. 하드웨어 취약점은 단순히 설계상의 오류로 인한 것이 아니라, 해당 설계를 실리콘에서 사용하는 방식 자체가 본래 안전한 시스템에 취약점을 만들어낼 수 있습니다.

고급 암호화 표준(AES)이 좋은 예입니다. 수학적으로는 매우 강력하지만, 실리콘에 구현될 때 암호화 과정에서 전자기 복사나 전력 소비 패턴을 통해 민감한 정보를 누출할 수 있습니다. 실제로 사이버 보안 회사 Fox-IT의 연구원들은 2017년, 소위 '부채널 분석(Side-Channel Analysis, SCA)'이라는 기법을 사용하여 SoC에서 비밀 AES-256 암호화 키를 무선으로 분석하고 추출하는 데 성공했습니다.

부채널 분석을 이용한 디지털 도청은 하드웨어의 전력 소비나 전자기 복사를 분석하는 것부터 시스템의 마이크로아키텍처를 악용하는 것까지 다양한 형태로 나타납니다. Spectre와 Meltdown 공격은 많은 최신 CPU 설계에 내재된 하드웨어 취약점을 부채널 분석을 통해 악용하는 방식을 보여줍니다.

부채널 분석 공격은 '데이터 획득' 단계부터 시작됩니다. 이 단계에서 공격자는 대상 장치로부터 데이터를 수집합니다. 일반적으로 이 데이터는 전력 또는 전자기 복사 신호의 형태를 띱니다. 데이터 획득 다음 단계는 '데이터 분석'으로, 해커에게는 두 단계로 나뉩니다. 첫 번째 단계는 시스템 내 취약점을 식별하기 위한 길고 노동 집약적인 탐색 과정입니다. 이 과정에서 공격자는 전력 소비 패턴과 같은 방대한 양의 데이터를 분석하여 데이터 누출을 파악하고 공격 모델을 구축해야 합니다. 두 번째 단계는 구축된 공격 모델을 적용하여 민감한 정보를 추출하는 것으로, 일반적으로 더 간단합니다. 그럼에도 불구하고 전체적으로는 지루한 과정이며, 설계가 보호될수록 더욱 그러합니다. 또한, 공격자의 전문성에 따라 효과가 크게 달라질 수 있습니다. 이 기사가 발행되는 시점까지 Spectre 또는 Meltdown 기법을 사용한 실제 공격 사례는 알려지지 않았습니다.

인공지능의 등장

하지만 인류는 모든 기술적 돌파구를 무기화해 온 오랜 역사를 가지고 있습니다. 이는 우리의 조상이 처음 돌을 들거나 불을 피웠을 때부터 시작되었습니다. 현대 기술 발전의 속도는 이를 악용하려는 속도와 맞물려 있습니다. 인공지능(AI)은 복잡한 작업을 빠르게 수행하는 우리의 능력을 급속도로 확장하고 있으며, 이는 우리 삶의 모든 측면에 영향을 미치고 있습니다. 우리는 이미 가정에 Alexa를 들이고, 스마트폰 잠금 해제를 위해 얼굴 인식 기능을 사용하며, 자율 주행 차량이 우리의 출퇴근을 더욱 편안하게 만들어 줄 것이라는 기대감에 부풀어 있습니다. 기계가 인간처럼 학습하고 행동하도록 만드는 것은 옳고 그름의 여부와 관계없이 상당한 이점을 제공합니다.

만약 부채널 분석 공격에서 가장 지루한 부분이 길고 탐색적인 누출 분석 단계라면, 왜 이를 AI에 아웃소싱하지 않을까요? 안타깝게도 이는 더 이상 가상의 질문이 아닙니다. 이미 머신러닝(ML)이 취약점을 탐색하는 데 활용되어 유의미한 결과를 얻고 있다는 여러 공개된 사례가 있습니다. 그러나 ML 알고리즘을 훈련시켜 무엇을 찾아야 할지 알려주는 데는 여전히 상당한 인간의 노력이 필요합니다. ML은 특징 추출(raw 데이터 세트에서 차별화된 정보를 포함하지 않는 샘플 포인트나 변수를 제외한 데이터 세트로 축소)과 특징 선택(관련 없거나 중복되는 특징을 제거하는 차원 축소 단계)을 필요로 합니다. 이러한 특징 추출 및 선택 단계는 인간 운영자의 상당한 투입을 요구합니다. 이는 시간이 많이 소요되고 운영자의 기술에 크게 의존하므로, 부채널 분석 공격의 지루한 부분을 자동화하는 데 여전히 큰 장애물입니다.

딥러닝(DL)은 머신러닝의 하위 집합으로, 지도 학습 머신러닝에서 공격자가 직면하는 어려움을 극복하는 데 더 뛰어납니다. 딥러닝은 데이터 세트 내에서의 위치에 관계없이 특징을 식별하고 추출하는 데 있어 인간의 개입이 훨씬 적거나(때로는 전혀 필요 없는) 경우도 있습니다. 그러나 딥러닝은 계산 집약적인 노력을 요구합니다. 이는 딥러닝 기반 부채널 분석이 인간의 노력 대신 기계의 노력을 투입하여 공격을 수행할 수 있음을 의미합니다. 또한, 딥러닝 기반 공격이 다른 머신러닝 방법보다 더 높은 정확도 결과를 산출하는 사례가 늘고 있습니다. 이러한 이유로 딥러닝 기반(또는 DL-SCA) 부채널 분석 공격은 AI 기반 부채널 공격자들에게 빠르게 선호되는 무기가 되고 있으며, 모든 수준의 하드웨어 장치에 잠재적으로 심각한 위협이 되고 있습니다.

계산적인 관점에서 DL-SCA는 훨씬 더 집약적입니다. 하지만 하드웨어와 알고리즘이 발전함에 따라 진입 장벽은 점점 더 낮아질 것입니다. 현실적인 그림을 그리기 위해, 딥러닝 기반 부채널 분석이 '원클릭' 공격과는 거리가 멀다는 점을 언급하는 것이 중요합니다. 위험할 정도로 정확하려면, 막대한 컴퓨팅 파워 외에도 DL-SCA 기법은 훈련 목적으로 방대한 양의 레이블링된 데이터가 필요합니다. 가장 끈기 있는 공격자에게도 이 과정이 가치 있으려면 대상이 매우 높은 가치를 가져야 할 것입니다.

화염에는 화염으로 맞서라

이 단계에서는 전통적인 대응책에 의존해야 하지만, 미래의 발전은 이러한 대응책을 덜 효과적으로 만들거나 경우에 따라 완전히 무력화시킬 수 있습니다. 보안은 결코 완전히 해결된 문제가 아닙니다. 방어 조치는 공격 측의 발전에 발맞춰 나가야 합니다. 업계는 이러한 새로운 공격 벡터의 위협에 맞서기 위한 완화 기술의 무기를 확장하기 위해 적극적으로 노력하고 있습니다. DL-SCA 공격에 효과적으로 대처하려면, 공격이 발생하기 전에 탐지해야 할 가능성이 높습니다. 그렇다면 무기화된 AI에 대한 최선의 방어는 바로 AI 자신이라고 추론할 수 있습니다.

화염에는 화염으로 맞서고, 특정 공격 서명에만 의존하는 대신 새로이 악용된 취약점의 경고 신호를 인식하도록 기계를 훈련시킴으로써, 우리는 이전에 알려지지 않은 제로데이 DL-SCA 공격을 신속하게 식별할 수 있는 '면역 체계'를 구축할 수 있습니다. 이는 클라우드에서 엣지 서버, 그리고 장치 엔드포인트에 이르기까지 네트워크의 모든 지점에서 이루어져야 합니다. 초경량 ML 루틴은 장치(전력, 작업, 장치 메모리) 및 네트워크(대역폭, 트래픽, 딥 패킷 분석)의 행동 벡터를 추적하여 시스템의 '정상' 상태와 '공격 중' 상태에 대한 상세한 그림을 제공할 수 있습니다. 이러한 'TinyML' 루틴은 가장 작은 임베디드 장치에 적용되어 DL-SCA 공격에 대한 1차 방어선 역할을 할 것입니다.

도전에 맞서다

이는 취약점에 정면으로 맞서는 대응책을 개발하는 도전 과제에 우리가 직면한 첫 번째 상황이 결코 아닙니다. 우리는 파트너들과 함께 다양한 산업 분야의 보안 문제를 해결하기 위한 제품과 서비스를 계속 제공할 것이며, 새로운 장애물을 해결하기 위해 우리의 전문성과 혁신을 끊임없이 배포할 것입니다.

우리는 IoT 장치에서 피할 수 있는 취약점으로 이어지는 산업 간 규제 및 보안 표준화의 부족에 대응하여 플랫폼 보안 아키텍처(PSA)를 도입했습니다. 당사의 Safety Ready 프로그램은 자동차 IP가 차량을 위한 신뢰할 수 있는 플랫폼을 제공하도록 설계되었습니다. 또한, Arm TrustZone 기술을 Cortex-A 및 Cortex M 프로세서에 적용하고 Arm TrustZone 지원 CPU 포트폴리오를 포함한 당사의 보안 IP, 펌웨어 및 소프트웨어 포트폴리오는 설계 및 개발 주기 전반에 걸쳐 보안 마찰과 시간을 줄이기 위해 설계되었습니다.

이번에는 AI의 차례입니다. 이미 스마트폰의 85% 이상이 AI 워크로드를 실행하고 있으므로, Arm 기반 장치가 지능적인 방어 능력을 갖추도록 보장할 수 있는 독보적인 위치에 있습니다. 우리는 AI를 어디에나 적용하기 위해 상당한 자원을 투입하고 있으며, 그 노력의 핵심 부분은 하드웨어 보안에서의 역할과 DL-SCA와 같은 공격을 완화하는 데 적용되고 있습니다.

기술이 불법적인 목적으로 사용되는 것을 막을 수는 없지만, 안전한 혁신을 위한 싸움에서 우리는 계속해서 선두를 달릴 것입니다. Arm은 이러한 위협이 진화함에 따라 이를 추적하고 효과적으로 대처하기 위한 솔루션을 개발할 것입니다. 앞으로의 행보를 주목해 주십시오.