Seite - 76 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

76 A Technologie gründen vorausschauend Daten im Speicher ab. Mit Meltdown wurde gezeigt, dass bei Intel-Prozessoren auf diese Speicherbereiche zugegriffen werden kann und die Daten auslesbar sind. Von Spectre sind „prinzipiell alle modernen Prozessoren betroffen“.20 Hier bekommen Prozesse Zugriff auf einen virtuellen Speicher in einem Adressraum, der nicht zugänglich sein sollte. 21 Um Sicherheitslücken zu finden oder auch auszunutzen, müssen Systeme, Program- miersprachen und Hardware bis ins Detail verstanden werden. Im Fall von Spectre und Meltdown haben Forscherteams eine entsprechende Lücke vorhergesagt – und lange geforscht, um sie zu belegen. Sicherheitslücken sind vielfältig. Solche Lücken sind besonders schwierig und vielleicht gar nicht durch ML-Ansätze zu finden, die ganz wesentlich auf der Mustererkennung und Generalsierung beruhen, wofür Trai- ningsdaten existieren müssen. Trotzdem bestehen ML-Ansätze für das Aufdecken von Sicherheitslücken, die jedoch wiederum spezialisiert sind. Godefroid, Peleg und Singh (2017) erforschen beispiels- weise ML-Ansätze für Input-Fuzzing. Fuzzing bezeichnet das Finden von Sicherheits- lücken in Parsern, die Programm-Input überprüfen. Grammatik-basierte Parser- Ansätze werden dort als besonders effektiv eingestuft, um mit komplexem Input umzugehen, wie er beispielsweise für Web-Browser besteht. Diese erhalten als Input u. a. HTML-Dokumente und JavaScript-Code. Die Parser-Grammatiken werden heute noch von Menschen definiert. Der Forschungsansatz untersucht das automatische Generieren der Grammatiken auf Basis von ML-Techniken. Ein ganz anderer Ansatz wird von Benadjila, Prouff, Strullu, Cagli und Dumas (2018) verfolgt. Sie untersuchen Technologien des tiefen Lernen (Deep Learning, DL) zur Seitenkanalanalyse und setzen auf Ansätze, die zeigen, dass DL-Algorithmen effizi- ent sind, um das Verhalten eingebetteter Systeme und deren Abhängigkeiten unter- einander zu evaluieren. Kritisiert wird, dass bei den bestehenden Verfahren die Para- metrisierung der neuronalen Netze nicht veröffentlicht wird und entsprechend Ergebnisse nicht reproduziert werden können. Als Ergebnis führen sie eine offene Plattform ein, ASCAD, die alle Quellen der Implementierung offenlegt. Chen, Sultana und Sahita (2018) stellen einen DL-Ansatz vor, um Kontrollflüsse wäh- rend der Hardwareprogrammausführung bezüglich Schadcode zu klassifizieren. 20 ebd. 21 ebd.