Détection RISC-V : des modèles ratent des programmes non vus à l’entraînement

Une étude publiée le 27 octobre 2026 dans Neural Computing and Applications rapporte des taux de détection supérieurs à 99 % pour des attaques RISC-V déjà représentées dans ses tests simulés. Sur des programmes écartés de l’entraînement, les résultats varient selon le protocole et l’attaque. Les expériences ont été menées dans gem5, pas sur des puces physiques.

Ce que surveille HARPY-V-GEM5

Les chercheurs Joan-Tomàs Pujol, Beatriz Otero, Javier Verdú et Ramon Canal ont créé HARPY-V-GEM5, un jeu de données associant deux types de signaux : les relevés simulés de compteurs de performance matériels (HPC) et la fréquence des mnémoniques, les codes qui désignent les instructions exécutées et validées.

Le jeu comprend 32 programmes simulés, dont 16 bénins et 16 malveillants. Chaque programme fournit 12 890 échantillons, soit 412 480 au total. Les chercheurs ont utilisé gem5 24.1.0.3 pour simuler un processeur RISC-V monocœur, monothread et à exécution dans le désordre, cadencé à 3 GHz. La simulation incluait des caches L1 de 16 Kio pour les instructions et les données, un cache L2 de 256 Kio et un relevé toutes les 10 000 instructions validées.

Des taux élevés sur les attaques connues

Quand les programmes d’attaque figuraient dans les données d’entraînement, les modèles fondés sur les HPC atteignaient 99,55 % d’exactitude avec une forêt aléatoire (Random Forest, RF) et 99,54 % avec un arbre de décision (Decision Tree, DT). Avec les caractéristiques tirées des instructions, les résultats étaient de 99,08 % pour RF et 99,06 % pour DT.

Détecter la présence d’un comportement malveillant n’est pas la même tâche que déterminer sa famille. Pour cette seconde tâche, le modèle RF fondé sur les HPC obtenait 97,52 % d’exactitude, tandis que les caractéristiques d’instructions donnaient environ 60 %.

Ce que mesurent les scores sur les programmes écartés

Le chiffre de 90,08 % pour HPC-RF vient d’un cas d’étude sélectionné sur une attaque inconnue. Dans l’évaluation systématique dite leave-one-program-out (LOPO), les chercheurs retiraient à chaque étape un programme entier, avec ses 12 890 échantillons, de l’entraînement. La section des résultats donne alors une exactitude moyenne de 77,95 % pour HPC-RF et de 89,38 % pour le modèle DT fondé sur les instructions. Les écarts-types rapportés entre programmes vont de 25 à 36 %.

L’article présente aussi des chiffres différents pour les caractéristiques d’instructions sur des attaques non vues : son résumé annonce un taux supérieur à 96 %, tandis que sa section LOPO rapporte 89,38 % pour instruction-DT. L’article ne réconcilie pas ces deux valeurs.

Des échecs propres à certaines attaques

Dans l’évaluation de programmes laissés de côté, l’article rapporte 1,34 % pour spectrev2 et 0,00 % pour flush-fault-ret. Les deux types de caractéristiques ont aussi des échecs différents : pour timer-drift, les modèles fondés sur les instructions obtiennent 0,00 %, tandis que les modèles fondés sur les HPC le détectent presque parfaitement.

Les auteurs proposent un arbre de décision fondé sur les instructions pour un premier contrôle léger, un modèle HPC-RF pour aider à attribuer une famille d’attaque, ou une combinaison en deux étapes. Ces pistes reposent sur les simulations de l’étude. La validation sur des processeurs RISC-V physiques et l’intégration d’un moniteur en temps réel restent des travaux futurs.