原理、方法与最佳实践
目录导读
- 什么是故障注入攻击：定义与威胁模型
- 攻击检测的核心挑战：为什么传统方法失效
- 检测技术全景图：从硬件到软件的解决方案
- 实施步骤与工具：落地检测系统的关键
- 常见问题与问答：实战中的疑难解答
什么是故障注入攻击
故障注入攻击（Fault Injection Attack, FIA）是一种通过物理或逻辑手段向系统引入异常（如电压波动、时钟毛刺、电磁干扰或激光照射），从而绕过安全机制、提取加密密钥或破坏数据完整性的攻击方式，这种攻击对物联网设备、金融终端、汽车电子系统等嵌入式环境威胁极大。
常见攻击类型
- 电压故障注入：在芯片供电瞬间拉低电压，使CPU执行错误指令。
- 时钟毛刺：快速增加或跳过时钟周期，破坏时序逻辑。
- 电磁注入：使用电磁脉冲干扰电路正常工作。
- 激光故障注入：高能激光照射芯片特定区域，导致寄存器翻转。
目标：攻击者通过单次或多次故障，绕过密码验证、跳过安全循环检查,甚至直接提取私钥。
攻击检测的核心挑战
传统入侵检测系统（IDS）依赖网络流量或日志分析，但故障注入攻击具有以下特点,导致其难以被常规方法发现：
| 挑战因素 | 说明 |
|---|---|
| 物理层特征 | 攻击作用于芯片物理层，传统软件日志无法捕捉瞬时电压/时钟变化。 |
| 单次生效 | 一次成功的故障注入即能突破安全边界，攻击者无需持续通信。 |
| 资源受限 | 嵌入式设备无法部署重型机器学习模型。 |
| 环境噪声 | 正常电磁干扰与恶意攻击的边界模糊，易产生误报。 |
关键区别：软件漏洞可被签名或模式匹配检测，而物理故障往往在逻辑层面表现为“合法但异常”的行为。
检测技术全景图
根据检测层面，分为硬件检测和软件检测两大类,实际系统需组合使用。
1 硬件检测
在芯片设计时集成传感器或冗余电路,从物理层面实时监控异常。
-
电压监测器
比较当前电压与参考阈值（如3.3V±5%），一旦波动超出范围即触发复位或报警。
优势：延迟低至纳秒级；劣势：增加芯片面积和功耗。 -
时钟完整性检测
通过锁相环（PLL）或内置频率计数器，检测时钟信号的毛刺或跳变。
案例：英飞凌AURIX系列车规芯片内置“时钟监控单元”，可检测-30%~+50%的频率偏移。 -
电磁/光传感器
在封装内集成霍尔效应传感器或光电二极管，感知外部电磁场或激光照射。
注意：成本较高，主要用于银行POS机、安全芯片（如TPM模块）。
2 软件检测
通过代码逻辑或系统行为分析,在攻击后果发生前发现异常。
-
双流冗余执行
同一段关键代码执行两次（如AES加密函数），比较结果是否一致，若不一致，认为遭受故障注入。
实现：ARM TrustZone或RISC-V的物理内存保护单元（PMP）可隔离冗余路径。
优化：两次执行采用不同的寄存器或内存地址,防止复现同一错误。 -
基于指令特性检测
分析程序计数器（PC）或执行路径的突变，正常循环应为100次，但故障导致PC跳转到0000地址。
工具：使用eBPF（Linux）或MPU（Microcontroller）设置“不可执行区域”和“合法跳转表”。 -
信息熵分析
概率模型的另一种应用：统计正常运行时电压、温度、功耗的统计分布，当实时信号偏离3个标准差时触发报警。
适用场景：量产智能电表或医疗设备,需与硬件传感器配合。
3 混合检测：动态行为模拟
结合FPGA或模拟器，构建“虚拟故障注入测试”来提前验证检测逻辑，在数字化仿真中模拟电压下降20%，观察防护代码是否正确报警，此方法不直接用于在线检测,但可优化阈值和减少误报。
现实中的部署方案（推荐）：硬件传感器 + 软件冗余验证 + 异常行为分析,三梯队防御。
实施步骤与工具
1 搭建检测系统六步法
- 资产识别：列出核心安全组件（如密钥存储、安全启动代码、随机数生成器）。
- 威胁建模：分析哪些故障注入能绕过防御，SM2签名算法中，一次时序故障即可泄露私钥。
- 选择传感器：根据资产关键程度，在芯片设计阶段选型（电压、时钟、电磁传感器）。
- 集成软件检测：在安全引导（Secure Boot）流程中插入双重验证，或在密码运算中插入冗余比对。
- 建立报警机制：故障触发后，系统应执行“擦除密钥-重启-日志记录-通信中断”等行动。
- 定期更新：攻击者会尝试新的故障波形，需每季度通过硬件在环（HIL）测试更新特征库。
2 推荐工具与开源方案
| 工具/框架 | 用途 | 特点 |
|---|---|---|
| ChipWhisperer | 故障注入实验与验证 | 开源硬件，支持电压/电磁注入，可用于评估检测有效性。 |
| Fault Injection Simulator (FISim) | 模拟攻击效果 | 使用自定义指令集，无需实物芯片即可测试冗余逻辑。 |
| OpenTitan | 开源安全芯片参考 | 内置故障检测单元（Fault Detection Unit, FDU），可复用设计。 |
| MCU Guardian（国产方案） | 嵌入式实时监控 | 集成于RT-Thread，内置电压/时钟异常检测API。 |
注意：若在实际部署中遇到技术文档，请参考国内安全论坛（如看雪、乌云公开资料）中“嵌入式安全防护”板块。
常见问题与问答
Q1：设备成本增高，如何平衡安全性？
A：采用分层策略，针对级安全要求（如支付终端）部署硬件传感器，对物联网传感器仅使用软件冗余（需牺牲5~10%的CPU性能），评估模型可参考NIST的“SMART”指标：不可接受风险项必须用硬件检测。
Q2：软件冗余检测延迟高怎么办？
A：采用“影子寄存器”或“影子堆栈”技术，将关键变量复制到受保护内存区域，在安全模式（如ARM TrustZone的Secure World）下运行冗余比较,不阻塞普通任务。
Q3：能否通过机器学习区分环境噪声与攻击？
A：可以，但需谨慎，训练数据需包含真实攻击场景（如激光、电磁、电压等），推荐使用边缘AI模型（如TinyML）在传感器端预处理,仅上传置信度高的异常样本到云端。
Q4：检测到故障后应该如何响应？
A：遵循“零信任”原则：立即停止当前操作、擦除临时密钥、使安全启动失效（防止降级攻击），然后进入安全恢复模式（需管理员物理干预），避免“仅上报不处理”的检测逻辑。
故障注入攻击检测不是单一技术，而是一种“防、检、控”结合的能力，针对嵌入式系统和物联网设备，推荐采用硬件传感器 + 软件冗余执行 + 周期性动态测试的组合防御策略，随着RISC-V、OpenTitan等开源生态的发展,可复用的检测模块将降低中小企业的部署门槛。
注意：建议安全工程师在实际研发时优先关注“电压监控”和“指令跳转检测”两个入门级方法，它们在大多数MCU上可通过UART/SPI接口外部组件实现，成本可控,效果显著。
延伸阅读：如需进一步了解具体芯片的故障检测配置，可参考《IoT安全实战指南》（机械工业出版社）或查看国产安全芯片企业（如华大半导体、紫光同创）的技术白皮书。
