Un estudio detecta ataques RISC-V conocidos, pero falla ante algunos no vistos

Un estudio publicado el 27 de octubre de 2026 detectó más del 99 % de los ataques conocidos en una simulación de RISC-V, pero sus resultados variaron al probar programas que el modelo no había visto. Las pruebas se hicieron en gem5, no en chips físicos.

Qué observa el detector

Joan-Tomàs Pujol, Beatriz Otero, Javier Verdú y Ramon Canal, de la Universitat Politècnica de Catalunya, evaluaron dos tipos de señales en el conjunto HARPY-V-GEM5: contadores de rendimiento del hardware (HPC, por sus siglas en inglés) y frecuencias de los mnemónicos, los nombres abreviados de las instrucciones confirmadas por el procesador.

El conjunto reúne 32 programas simulados: 16 benignos y 16 maliciosos. gem5 24.1.0.3 ejecutó esos programas en un procesador RISC-V simulado de un solo núcleo y un solo hilo, con ejecución fuera de orden y una frecuencia de 3 GHz. El sistema tomó una muestra cada 10.000 instrucciones confirmadas. Para igualar la longitud de los registros, el conjunto final contiene 12.890 muestras por programa, 412.480 en total.

Detección alta con ataques conocidos

En las pruebas simuladas con ataques conocidos, los modelos basados en HPC obtuvieron una exactitud de detección del 99,55 % con Random Forest (bosque aleatorio) y del 99,54 % con Decision Tree (árbol de decisión). Con características extraídas de las instrucciones, la exactitud fue del 99,08 % con Random Forest y del 99,06 % con Decision Tree.

Detectar un ataque y reconocer a qué familia pertenece son tareas distintas. En la clasificación de familias de ataque, Random Forest con HPC alcanzó un 97,52 %; los modelos basados en instrucciones rondaron el 60 %.

Qué significan las cifras con programas no vistos

La evaluación leave-one-program-out (LOPO), que deja fuera un programa completo en cada ronda, prueba si el modelo reconoce comportamientos de programas que no formaron parte de su entrenamiento. Cada ronda reservó un programa y sus 12.890 muestras, todas de una sola clase.

El artículo informa de un 90,08 % de exactitud para Random Forest con HPC en un caso de estudio seleccionado de ataque desconocido. En cambio, la sección de resultados de la evaluación LOPO sistemática da una media del 77,95 % para ese modelo. La misma sección informa de un 89,38 % para Decision Tree con características de instrucciones. El resumen del artículo afirma más del 96 % para esas características frente a ataques no vistos; son cifras que aparecen en secciones distintas y con alcances descritos por separado.

Los promedios tampoco describen bien todos los programas reservados. El artículo informa de un 1,34 % para spectrev2 y un 0,00 % para flush-fault-ret en resultados específicos por ataque. También señala el patrón inverso con timer-drift: los modelos basados en instrucciones obtuvieron un 0,00 %, mientras que los basados en HPC lo detectaron casi a la perfección. Las dos señales pueden fallar de manera distinta según el programa.

El alcance de las pruebas

Los resultados corresponden a una simulación en gem5. La validación en procesadores RISC-V físicos y la integración en un monitor de ejecución en tiempo real quedan como trabajo futuro; el conjunto evaluado incluye 16 programas maliciosos.

Los autores proponen usar un árbol de decisión basado en instrucciones para una primera supervisión ligera, Random Forest con HPC cuando también se quiera atribuir el ataque a una familia, o combinar ambos métodos en dos etapas. Son propuestas derivadas de los experimentos simulados.