Trust Anchor to Mitigate a Physical-Material-Based Denial-of-Service Attack on Electronics Hardware Post-Manufacturing
Notice bibliographique
Résumé
Modern supply chains for electronics components are vast networks of companies with thousands of employees. In cyber terms, this means an attack surface of thousands of human-based attack vectors, susceptible to being compromised for insider attacks. With critical infrastructure relying on modern electronics with low turnover, a pre-compromised system (i.e., by an insider in a supplier who staged a vulnerability) can reside in the infrastructure for decades waiting for the exploit to be triggered. We report the fabrication of such a vulnerability in a Z80 microprocessor that is part of an example electronics system. The vulnerability is a physical material-based hardware modification allowing for a triggerable hardware attack and suitable for an insider with low-resource access and limited strategic planning. The modification introduces an implant into a standard dual inline package of a Z80 microprocessor. The implant consists of an NTC temperature detection in parallel with a chip resistor, that are soldered in series with the power supply to the Z80. A temperature of <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$-10^{\circ} \mathrm{C}$</tex> was chosen as the limit below which the attack triggers, causing the subsequent failure of the tampered specimen. As defense we demonstrate a radio-frequency reflectometry method as a trust anchor to successfully identify tampered specimens based on significantly altered reflectometry spectra. The reported attack and defense methods show an example of moving from trust-based supply chains with sampling to a zero-trust supply chain model with advanced trust anchors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».