Ataques RISC-V: detecção varia em programas inéditos

Um estudo publicado em 27 de outubro de 2026 no periódico Neural Computing and Applications detectou ataques conhecidos em programas RISC-V simulados com até 99,55% de acurácia. Mas os resultados variaram quando programas inteiros foram reservados para teste, e os experimentos não foram feitos em chips físicos. A pesquisa, de Joan-Tomàs Pujol, Beatriz Otero, Javier Verdú e Ramon Canal, avaliou o conjunto HARPY-V-GEM5 no simulador gem5.

O que o detector observa

O HARPY-V-GEM5 combina duas fontes de sinais: contadores de desempenho de hardware (HPCs), que registram eventos do processador, e frequências dos mnemônicos das instruções confirmadas, ou seja, os códigos que identificam as operações executadas. O sistema analisa esses dados para detectar comportamento malicioso e, em alguns testes, classificar famílias de ataques.

O conjunto reúne 32 programas simulados: 16 benignos e 16 maliciosos. Os pesquisadores usaram o gem5 24.1.0.3 para simular um processador RISC-V de um núcleo e uma thread, com execução fora de ordem, frequência de 3 GHz, caches L1 de 16 KiB para instruções e dados e cache L2 de 256 KiB. A cada 10.000 instruções confirmadas, o sistema registrava uma amostra. O conjunto balanceado ficou com 12.890 amostras por programa, 412.480 no total.

Alta acurácia em ataques conhecidos

No teste simulado com ataques conhecidos, os modelos baseados em HPC alcançaram 99,55% de acurácia com Random Forest (RF) e 99,54% com Decision Tree (DT). Com características das instruções, os resultados de detecção foram 99,08% para RF e 99,06% para DT.

Detectar um ataque e identificar sua família são tarefas diferentes. Na classificação de famílias, o RF com HPCs chegou a 97,52%; com características das instruções, o resultado ficou em cerca de 60%. Portanto, a alta acurácia de detecção não significa que todos os modelos distingam igualmente bem o tipo de ataque.

O que os testes com programas inéditos medem

Na avaliação leave-one-program-out (LOPO), os pesquisadores retiraram um programa inteiro do treinamento e o usaram no teste, repetindo o processo para cada programa. Cada rodada testava 12.890 amostras de uma única classe. Esse protocolo verifica se o modelo reconhece um programa que não viu no treinamento, em vez de medir seu desempenho em amostras de programas já conhecidos.

O artigo relata 90,08% para o RF baseado em HPCs em um estudo de caso selecionado de ataque desconhecido. Já a seção de resultados da avaliação LOPO sistemática informa média de 77,95% para esse modelo. São resultados de avaliações distintas. Na mesma seção LOPO, o artigo informa 89,38% para o DT baseado em instruções; o resumo do artigo declara mais de 96% para características de instruções em ataques não vistos.

Os resultados também variaram bastante entre programas: os desvios-padrão entre programas ficaram entre 25% e 36%. Nos exemplos específicos apresentados, o modelo registrou 1,34% para spectrev2 e 0,00% para flush-fault-ret. Os pesquisadores ainda descrevem falhas complementares entre as fontes de sinais: modelos com características de instruções tiveram 0% em timer-drift, enquanto os modelos com HPCs detectaram esse programa quase perfeitamente.

O alcance dos resultados

Todos os experimentos ocorreram no gem5. A pesquisa não validou o detector em hardware RISC-V físico nem integrou um monitor a um sistema em execução; os autores apontam essas etapas como trabalho futuro. Eles propõem usar um DT baseado em instruções para monitoramento inicial leve, HPC-RF para atribuir ataques a famílias ou uma combinação em duas etapas. Essas opções são recomendações de pesquisa, não resultados de uma implantação em chips.