Research Review: Hey, You, Get Off of My Cloud: Exploring Information Leakage in Third-Party Compute Clouds

Analyzed Date: 2025.12.01 Keywords: Cross-Tenant, Side-Channel_Attack, Hypervisor_Isolation, Multi-tenancy, Co-residency Source: ACM CCS 2009 (Computer and Communications Security) Full Text Link

Day 1 – Research Context & Motivation

(클라우드 다중 테넌트 환경에서의 격리(Isolation) 붕괴 위협)

1. 연구 배경: 클라우드 격리의 약속과 신뢰 문제

다중 테넌트 환경 (Multi-tenancy): 클라우드 컴퓨팅의 핵심은 다수의 독립적인 고객(테넌트)이 동일한 물리적 인프라(CPU, RAM, 네트워크)를 공유하며 리소스를 효율적으로 사용하는 데 있습니다.
격리 원칙 (Isolation Principle): 클라우드 서비스 제공자(CSP)는 하이퍼바이저(Hypervisor)를 통해 각 고객의 가상 머신(VM)이 완벽하게 분리되어 상호 간섭이 불가능함을 보장했습니다. 이 가상화 기반 격리가 클라우드 보안의 근본적인 신뢰 요소였습니다.
연구 문제의식: 이처럼 강력하게 보장된 논리적 격리에도 불구하고, 공유되는 물리적 자원을 통해 악의적인 테넌트가 다른 테넌트의 정보를 엿볼 수 있는 근본적인 위협이 존재하는가?

2. 핵심 위협: 측면 채널 공격 (Side-Channel Attack)

본 논문은 측면 채널 공격(Side-Channel Attack)을 통해 논리적 격리의 취약성을 입증합니다.

정의: 시스템의 주요 입출력 경로(Main Channel)가 아닌, 물리적 구현 과정에서 발생하는 부수적인 정보(Side Channel)를 측정하여 데이터를 유출하는 공격 기법.
클라우드에서의 측면 채널: 공격자가 물리적으로 공유되는 CPU의 캐시(CPU Cache)나 RAM 접근 시간을 측정하여, 같은 물리 서버에 있는 타겟 VM의 암호화 작업(Cryptographic Operation) 패턴이나 입력 행위를 모니터링할 수 있음을 제시합니다.

3. 공격의 2단계 구조: Co-residency와 Leakage

본 연구는 공격 성공을 두 가지 단계로 분리하여 정의합니다.

A. Co-residency Detection (동일 물리 서버 확인)

목표: 공격자 VM이 타겟 VM과 동일한 물리적 서버(Physical Host) 위에서 실행되고 있는지 확인하는 것.
기술: 공격자가 클라우드 환경에서 VM을 생성할 때, 네트워크 레이턴시(지연 시간) 분석이나, CPU의 캐시 라인(Cache Line) 경쟁을 유발하여 응답 시간을 측정하는 방식으로 타겟 VM의 ‘물리적 이웃’ 여부를 확인합니다.

B. Cross-VM Information Leakage (정보 유출)

목표: Co-residency가 확인된 후, 공유 캐시의 사용 패턴을 측정하여 타겟 VM 내부의 민감한 정보(예: 암호화 키, 사용자 입력)를 추론하는 것.

4. 연구의 주요 기여 및 파급 효과

클라우드 보안 신뢰성 재평가: CSP가 보장하는 하이퍼바이저 격리가 완벽하지 않으며, 공유 자원 관리가 클라우드 보안의 가장 취약한 경계임을 입증했습니다.
산업적 변화 촉발: 이 연구는 클라우드 벤더들에게 하이퍼바이저 설계, VM 배치 전략(VM Scheduling), 그리고 캐시 자원 관리 방식을 근본적으로 재고하도록 촉발한 전환점(Turning Point)이 되었습니다.

5. 개인 인사이트 (Personal Insight)

클라우드 보안의 복잡성은 Zero Trust나 IAM(접근 통제) 같은 논리적 문제뿐 아니라, 물리적인 CPU 레벨의 격리 문제에서 기인한다는 점을 명확히 이해해야 한다. 이 논문은 논리적 방어가 아무리 잘 되어 있어도, 물리적 자원을 공유하는 한 항상 ‘측면’이 뚫릴 수 있다는 근본적인 경고를 담고 있다. Day 1의 목표는 클라우드 보안의 초점이 API 관리를 넘어 ‘하드웨어 레벨의 심층 방어’까지 확장되어야 함을 확인하는 것이다.

Research Review: Hey, You, Get Off of My Cloud: Exploring Information Leakage in Third-Party Compute Clouds

Analyzed Date: 2025.12.02 Keywords: Co-residency_Detection, Cache_Side_Channel, Prime+Probe, Cloud_Cartography Source: ACM CCS 2009 (Computer and Communications Security) Full Text Link

Day 2 – Core Attack Mechanism (공격 핵심 메커니즘)

(공격 성공의 두 단계: Co-residency 확보 및 Side-Channel 이용)

1. 공격 모델 및 가정 (Threat Model)

본 논문은 매우 현실적인 공격 모델을 사용한다.

공격자 위치: 악의적인 행위자가 CSP에 등록된 일반 고객(다른 테넌트)이다.
공격 목표: 타겟 VM과 동일한 물리적 서버에 VM을 배치하고, 공유되는 물리 자원을 이용해 정보를 유출한다.
제한 사항: 공격자는 하이퍼바이저나 VM 모니터의 취약점을 이용하지 않으며, CSP의 관리자 권한을 획득하지 않는다. 오직 정상적인 클라우드 API 호출 및 자원 측정만을 이용한다.

2. 단계 1: Co-residency Detection (동일 물리 서버 확인)

공격의 첫 번째이자 가장 어려운 단계는 타겟 VM과 물리적으로 동일한 호스트에 배치되는 것이다. 논문은 이를 위한 여러 기술을 제시한다.

A. 네트워크 근접성 분석 (Network Proximity)

원리: 동일 물리 서버에 있는 두 VM 간의 네트워크 왕복 시간(RTT)은 매우 짧고(일반적으로 수십 마이크로초, µs 이하), 외부 네트워크상의 VM과 비교하여 확연히 낮은 값을 보인다.
활용: 공격자가 자신의 VM에서 타겟 VM으로 패킷을 보내 RTT를 측정하여 물리적 이웃 여부를 신속하게 판단한다.

B. 클라우드 지도 제작 (Cloud Cartography)

기술: 공격자가 수많은 인스턴스를 실행하고 이들의 내부 IP 주소 및 배치 정보를 체계적으로 수집하여 클라우드 인프라의 내부 구조를 유추한다. (Amazon EC2의 경우, 특정 IP 주소 범위가 물리적 랙이나 서버 그룹과 관련됨을 파악)
결과: 이 지도를 활용하여 타겟 VM 근처의 IP 범위를 예측하고 해당 범위에 집중적으로 인스턴스를 요청할 수 있게 된다.

C. 배치 국소성 악용 (Placement Locality)

개념: CSP의 VM 스케줄러가 리소스 활용을 극대화하기 위해, 새로 켜지는 인스턴스를 기존 인스턴스 근처(동일 물리 서버)에 배치하는 경향이 있음을 악용한다. 이는 무차별 대입(Brute Force) 전략의 성공률을 높인다.

3. 단계 2: Cross-VM Information Leakage (VM 간 정보 유출)

Co-residency가 확인되면, 공격자는 공유 CPU 캐시를 이용해 정보 유출 공격을 실행한다.

A. 캐시 기반 측면 채널 (Cache-based Side Channel)

공유 자원: 현대 CPU의 L2/L3 캐시(Cache)는 동일 물리 서버에서 실행되는 모든 VM이 공유하는 물리적 자원이다.
원리: 캐시 접근 시간은 메모리 접근 시간보다 훨씬 빠르다. 공격자는 타겟 VM의 캐시 사용 패턴 변화를 측정하여, 타겟 VM 내부에서 어떤 연산이 일어나는지 추론한다.

B. Prime+Probe 기법 (프라임+프로브)

이 논문에서 핵심적으로 사용된 기법이다.

Prime (점령): 공격자 VM이 공유 캐시의 특정 영역(Cache Set)을 자신의 데이터로 가득 채운다.
Victim Access (타겟 연산): 타겟 VM이 암호화 연산(예: RSA, AES)을 수행한다. 이 과정에서 타겟이 사용하는 비밀 키(Secret Key)에 따라 메모리 접근 패턴이 결정되고, 이 패턴에 해당하는 캐시 라인이 공격자의 데이터를 축출(Evict) 시킨다.
Probe (측정): 공격자가 자신이 Prime 했던 데이터를 다시 접근하여 걸린 시간을 측정한다.
- 접근이 느린 경우: 타겟 VM이 캐시를 사용해 데이터를 축출했다는 의미 → 특정 연산(비밀 키에 관련된)이 일어났음을 추론.
- 접근이 빠른 경우: 타겟 VM이 캐시를 사용하지 않았다는 의미.

공격 예시: 논문은 이 기법을 이용해 AES 암호화 키를 65밀리초(ms) 만에 추출할 수 있음을 실험적으로 증명했다.

4. 개인 인사이트 (Personal Insight)

Day 2 분석을 통해, 클라우드 환경에서 논리적 방어벽(Hypervisor)이 완벽하게 작동하더라도 물리적 공유 자원이 존재하면 격리가 붕괴될 수 있다는 점을 실감했다. 이 논문 이후 CSP들이 VM 배치 알고리즘과 하드웨어 캐시 관리에 막대한 투자를 하게 된 배경을 이해할 수 있었다. 클라우드 보안만의 관점을 넘어서 보안 컨설팅 시, 하드웨어 레벨의 보안 보증(Hardware-Assisted Security)을 확인하는 것의 중요성을 인지해야 한다.

Research Review: Hey, You, Get Off of My Cloud: Experimental Validation and Quantification

Analyzed Date: 2025.12.03 Focus: Experimental Setup, Co-residency Success Rate, and Information Leakage Quantification Source: ACM CCS 2009 (Computer and Communications Security) Full Text Link

Day 3 – Experimental Validation and Quantification

(Amazon EC2 환경에서의 실제 공격 실증 및 결과 분석)

1. 실험 환경 및 목표 (Experimental Setup and Targets)

테스트 환경: 초기 Amazon EC2 환경을 대상으로 실증하였다. 이는 실험 결과의 파급력을 극대화하기 위함이었다.
공격 모델: 공격자는 일반 고객 VM 자격으로, 하이퍼바이저 취약점 없이 정상적인 클라우드 API 호출 및 자원 측정만을 이용하였다.
타겟 애플리케이션: 논문은 두 가지 주요 목표를 설정하여 정보 유출을 실증하였다.
1. Linux 커널 함수: 타겟 VM의 커널 내부 루틴 접근 패턴 모니터링.
2. 암호화 라이브러리 (GnuPG): AES 및 RSA 암호화 연산 중 발생하는 캐시 접근 패턴을 모니터링하여 비밀 키를 추출하는 것이 최종 목표였다.

2. Co-residency Detection의 성공률 (Phase 1 Results)

공격자가 타겟 VM과 동일한 물리적 호스트에 배치되는 것이 현실적으로 가능함을 입증하였다.

네트워크 근접성 (RTT) 분석:
- 결과: 공격자 VM과 타겟 VM 간의 네트워크 왕복 시간(RTT)이 100µs (마이크로초) 이하일 경우, 동일 물리 서버에 위치할 확률이 90% 이상임을 확인하였다.
- 활용: 이 낮은 RTT 값은 클라우드 카르토그래피(Cloud Cartography)의 핵심 데이터로 사용되었으며, 타겟의 물리적 위치를 효과적으로 핑거프린팅할 수 있었다.
배치 성공률: 클라우드 카르토그래피 기법을 활용하여 타겟 근처의 IP 범위를 공략했을 때, 무작위 대입 대비 배치 성공률을 유의미하게 향상시킬 수 있음을 입증하였다.

3. 정보 유출의 정량화 (Quantification of Information Leakage - Phase 2 Results)

가장 중요한 실험 결과는 Prime+Probe 기법을 통해 암호화 키와 같은 민감한 정보를 실제로 추출하는 데 성공했다는 점이다.

AES 암호화 키 유출:
- 기술: AES 알고리즘이 내부적으로 사용하는 S-Box (Substitution Box) 룩업 테이블 접근 패턴을 모니터링했다.
- 결과: 단일 AES 암호화 연산에서 발생하는 캐시 흔적을 분석하여, AES 비밀 키의 일부 비트를 성공적으로 추출하였으며, 65밀리초(ms)라는 매우 짧은 시간 내에 유효한 데이터를 획득하였다.
RSA/GnuPG 키 유출:
- 기술: RSA의 지수 연산(Exponentiation) 과정 중 발생하는 캐시 사용 패턴을 측정하였다.
- 결과: 타겟의 GnuPG 연산을 모니터링하여 키의 일부분을 성공적으로 유추해낼 수 있음을 입증하였다. 이는 추상적인 코드 테스트가 아닌, 실제 상용 보안 소프트웨어를 대상으로 격리 붕괴가 발생했음을 의미한다.

4. 기술적 결론 및 시사점 (Technical Conclusion)

격리 실패의 원인: 논리적 격리(Hypervisor)는 완벽했지만, 물리적 자원 공유(CPU Cache, Timing)라는 낮은 레벨의 채널을 제어하는 데 실패했다.
산업적 영향: 이 결과는 클라우드 벤더들에게 VM 배치 전략(Anti-Affinity Rules)을 강화하고, 하드웨어 수준의 캐시 파티셔닝(Cache Partitioning) 기술을 도입하는 계기가 되었다. Timing Channel이 클라우드 보안의 주요 위협으로 공식 인정되는 전환점이 되었다.

5. 개인 인사이트 (Personal Insight)

실험 결과를 통해 논리적 방어(Hypervisor)만으로는 물리적 공유 자원을 매개로 한 정보 유출을 완벽히 통제할 수 없다는 점이 명확히 입증되었습니다.

하드웨어의 취약성 검증: 이 공격은 소프트웨어 버그가 아닌, CPU 캐시의 물리적 아키텍처 자체의 설계적 특성을 악용한 것입니다. 이는 보안의 경계가 애플리케이션이나 네트워크 레이어를 넘어 실제 하드웨어 레벨까지 확장되어야 함을 증명합니다.
실무적 함의: 클라우드 보안 진단 및 컨설팅 시, IAM 설정이나 네트워크 접근 제어 같은 논리적 방어만 확인할 것이 아니라, CSP가 **VM 간 Anti-Affinity Rules (특정 VM을 같은 서버에 배치하지 않는 규칙)**와 **하드웨어 기반 격리 기술(예: Intel CAT, AMD SEV)**을 얼마나 강력하게 적용하고 있는지 확인하는 것의 중요성이 이 논문을 통해 정량적으로 입증되었습니다.
보안의 초점 이동: 공격자가 단 65ms 만에 민감 정보를 추출하는 데 성공했다는 점은 Timing Channel에 대한 모니터링 및 방어 기술 개발이 필수적임을 보여줍니다.

Research Review: Hey, You, Get Off of My Cloud: Limitations and Industrial Response

Analyzed Date: 2025.12.04 Keywords: Anti-Affinity, Cache_Partitioning, Hardware_Mitigation, Timing_Channel_Mitigation Source: ACM CCS 2009 (Computer and Communications Security) Full Text Link

Day 4 – Limitations and Industrial Response

(연구의 한계점 및 클라우드 보안 아키텍처의 발전 방향)

1. 공격의 기술적 난이도 및 한계점 (Technical Limitations of the Attack)

본 논문의 공격 실증은 클라우드 보안 모델의 근본적인 취약성을 드러냈지만, 실제 공격자가 광범위하게 사용하기에는 다음과 같은 기술적 어려움이 있었습니다.

Co-residency 확보의 난이도: 공격의 필수 전제인 타겟 VM과의 Co-residency를 확보하는 과정이 무작위 인스턴스 실행에 의존적이었으며, CSP가 Anti-Affinity Rules을 도입한 이후에는 공격 성공 확률이 현저히 낮아졌습니다.
고도의 노이즈 관리: 측면 채널 공격은 타이밍(Timing)에 매우 민감합니다. VM의 스케줄링 변화나 네트워크 혼잡 등 환경적 요인으로 인해 측정 노이즈(Noise)가 발생하기 쉬워, 실제 작동하는 익스플로잇 코드를 작성하는 것은 매우 까다로운 작업이었습니다.
비확장성 (Lack of Portability): 공격 코드가 특정 CPU 아키텍처의 캐시 구조 및 타겟 라이브러리(GnuPG)의 메모리 접근 패턴에 의존적이었으므로, 다른 클라우드 환경이나 애플리케이션으로의 범용적인 확장이 어려웠습니다.

2. 산업적 대응 및 클라우드 격리의 발전 (Industry Response and Evolution)

이 논문의 발표는 CSP들에게 하이퍼바이저 격리 외의 물리적 방어 기술에 투자하게 만드는 직접적인 계기가 되었습니다.

2.1. VM 배치 전략 강화 (Anti-Affinity Rules)

CSP들은 Anti-Affinity Rules을 도입하여, 잠재적 위협이 될 수 있는 VM들이 같은 물리적 호스트에 배치되지 않도록 VM 스케줄링 정책을 강화하였습니다.
또한, 클라우드 카르토그래피(Cloud Cartography)와 같은 정보 수집 행위 자체를 탐지하고 차단하는 매커니즘이 도입되었습니다.

2.2. 하드웨어 수준의 방어 기술 (Hardware-Assisted Mitigation)

측면 채널 공격을 근본적으로 막기 위해, 논리적 방어벽(Hypervisor) 대신 하드웨어 자체에 격리 기능을 추가하는 방향으로 발전했습니다.

**캐시 파티셔닝 (Cache Partitioning): Intel CAT (Cache Allocation Technology)과 같은 기술을 활용하여 공유 L3 캐시 자원을 VM별로 할당하고 격리하여, 한 VM이 다른 VM의 캐시 접근에 영향을 주지 못하도록 통제합니다.
**메모리 암호화: AMD SEV (Secure Encrypted Virtualization)와 같은 기술을 통해 메모리 접근 시 데이터를 암호화하여, 하이퍼바이저나 다른 VM이 메모리 내용을 읽더라도 의미 있는 정보를 획득하지 못하도록 방어합니다.

2.3. 타이밍 채널 완화 (Timing Channel Reduction)

노이즈 주입 (Noise Injection): 운영체제 및 하이퍼바이저 수준에서 CPU 타이밍 정보를 불규칙하게 만들어 (Jitter), 공격자가 정확한 시간 측정을 통해 민감한 연산 패턴을 파악하는 것을 어렵게 만드는 기술들이 도입되었습니다.

3. 개인 인사이트 (Personal Insight)

본 논문은 클라우드 보안의 초점이 하드웨어 레벨의 심층 방어로 확장되어야 함을 강하게 주장하고 있습니다.

실무적 함의: 클라우드 보안 전문가로서 IAM이나 방화벽 같은 소프트웨어 통제는 물론, CSP가 **물리적 자원(캐시)**을 어떻게 관리하고 격리하는지에 대한 **보안 보증서(Security Assurance)**를 확인하는 것이 필수적인 지식이 되었음을 확인합니다.
방어 전략의 변화: 논리적 방어가 무력화될 수 있다는 교훈을 바탕으로, 방어의 기준점을 **“소프트웨어 오류 방지”**에서 **“물리적 자원 공유 통제”**로 상향시켜야 합니다. 이 연구는 Anti-Affinity 및 하드웨어 기반 캐시 격리 기술이 왜 현대 클라우드 보안 아키텍처에서 가장 중요한 요소 중 하나가 되었는지를 이해하는 근거가 됩니다.

Research Review: Hey, You, Get Off of My Cloud: Conclusion and Final Evaluation

Analyzed Date: 2025.12.05 Focus: Final Synthesis, Impact on Shared Responsibility Model, and Future Trajectory Source: ACM CCS 2009 (Computer and Communications Security) Full Text Link

Day 5 – Conclusion and Future Trajectory

(연구 최종 결론, 공유 책임 모델에 미친 영향 및 미래적 함의)

1. 연구 최종 요약 및 평가 (Final Synthesis and Evaluation)

본 논문은 클라우드 컴퓨팅의 핵심 신뢰 요소인 하이퍼바이저 기반의 논리적 격리 모델이 물리적 자원 공유라는 근본적인 취약점에 의해 붕괴될 수 있음을 실증적으로 증명하였습니다.

핵심 증명: 악의적인 테넌트가 Co-residency 를 확보하고 공유 CPU 캐시 를 이용한 Prime+Probe 측면 채널 공격 을 통해 타겟 VM 의 암호화 키를 성공적으로 추출할 수 있음을 입증했습니다.
연구 가치: 이 연구는 소프트웨어 버그 가 아닌, 하드웨어 아키텍처 자체의 설계적 특성이 보안 위협이 될 수 있음을 최초로 명확히 보여주면서 클라우드 보안 역사에서 가장 중요한 전환점 중 하나로 평가됩니다.

2. 클라우드 공유 책임 모델의 재정의 (Redefining the Shared Responsibility Model)

이 논문은 클라우드 서비스 제공자 (CSP) 와 고객 간의 보안 책임 경계인 공유 책임 모델 에 직접적인 영향을 미쳤습니다.

이전의 가정: CSP 는 “클라우드의 보안 (Security of the Cloud)” 을 책임지며, 이는 하이퍼바이저를 통한 VM 간의 완벽한 격리를 포함한다고 여겨졌습니다.
논문 이후의 변화: 이 공격은 CSP 의 책임 영역이었던 ‘물리적 인프라’ 내의 ‘공유 캐시 관리’ 가 미흡했음을 드러냈습니다. 즉, CSP 는 단순한 VM 격리 보장을 넘어, 타이밍 채널 및 하드웨어 자원의 간섭 으로부터 고객을 보호해야 하는 책임이 추가되었습니다.
결과: CSP 들은 고객의 워크로드를 보호하기 위해 Anti-Affinity Rules, 캐시 파티셔닝 (Intel CAT) 등 “하드웨어 레벨의 보안 통제” 기술을 강화하는 방향으로 책임 영역을 확장했습니다.

3. 향후 연구 및 산업적 함의 (Future Trajectory and Industrial Implication)

이 연구 이후, 보안 연구는 측면 채널 공격을 넘어선 새로운 격리 위협과 방어 기술에 집중하고 있습니다.

잔여 문제 (Residual Issues): 메모리 버스 (Memory Bus), TLB (Translation Lookaside Buffer), L1 캐시 등 CPU 의 다른 공유 자원을 이용한 측면 채널 공격이 지속적으로 연구되었으며, 이는 Spectre 및 Meltdown 과 같은 제로데이 취약점 연구의 기반이 되었습니다.
하드웨어 루트 오브 트러스트 (Hardware Root of Trust): 향후 클라우드 보안은 VM 격리 뿐만 아니라, 기밀 컴퓨팅 (Confidential Computing) 기술을 통해 데이터를 사용 중일 때조차 암호화된 상태 로 유지 (예: TEE, Trusted Execution Environment) 하여 측면 채널 공격으로부터의 유출 가능성을 근본적으로 차단하는 방향으로 나아가고 있습니다.

4. 개인 인사이트 (Personal Insight)

“Hey, You, Get Off of My Cloud” 논문은 보안 아키텍트라면 반드시 이해해야 할 클라우드 보안의 근본 원리 를 담고 있습니다. 논문의 가장 큰 시사점은 다음과 같습니다.

보안의 심층적 이해: 이 논문 덕분에 클라우드 보안은 단순히 방화벽 설정이나 IAM 정책을 넘어, CPU 마이크로아키텍처 의 동작 방식까지 이해해야 하는 심층 방어 (Defense in Depth) 의 영역이 되었음을 깨닫습니다.
실무적 판단 기준: 현재 클라우드 인프라의 안정성을 평가할 때, Anti-Affinity Rules 의 적용 여부, Intel CAT 과 같은 캐시 격리 기술의 사용 유무는 더 이상 선택 사항이 아니라, 기본적인 보안 보증 (Security Assurance) 을 판단하는 결정적인 기준이 되었습니다. 이 논문은 우리가 클라우드를 선택하고 설계할 때 어떤 질문을 던져야 하는지에 대한 명확한 기준을 제시해 주었습니다.

Research Review: Hey, You, Get Off of My Cloud: Exploring Information Leakage in Third-Party Compute Clouds#

Day 1 – Research Context & Motivation#

1. 연구 배경: 클라우드 격리의 약속과 신뢰 문제#

2. 핵심 위협: 측면 채널 공격 (Side-Channel Attack)#

3. 공격의 2단계 구조: Co-residency와 Leakage#

A. Co-residency Detection (동일 물리 서버 확인)#

B. Cross-VM Information Leakage (정보 유출)#

4. 연구의 주요 기여 및 파급 효과#

5. 개인 인사이트 (Personal Insight)#

Research Review: Hey, You, Get Off of My Cloud: Exploring Information Leakage in Third-Party Compute Clouds#

Day 2 – Core Attack Mechanism (공격 핵심 메커니즘)#

1. 공격 모델 및 가정 (Threat Model)#

2. 단계 1: Co-residency Detection (동일 물리 서버 확인)#

A. 네트워크 근접성 분석 (Network Proximity)#

B. 클라우드 지도 제작 (Cloud Cartography)#

C. 배치 국소성 악용 (Placement Locality)#

3. 단계 2: Cross-VM Information Leakage (VM 간 정보 유출)#

A. 캐시 기반 측면 채널 (Cache-based Side Channel)#

B. Prime+Probe 기법 (프라임+프로브)#

4. 개인 인사이트 (Personal Insight)#

Research Review: Hey, You, Get Off of My Cloud: Experimental Validation and Quantification#

Day 3 – Experimental Validation and Quantification#

1. 실험 환경 및 목표 (Experimental Setup and Targets)#

2. Co-residency Detection의 성공률 (Phase 1 Results)#

3. 정보 유출의 정량화 (Quantification of Information Leakage - Phase 2 Results)#

4. 기술적 결론 및 시사점 (Technical Conclusion)#

5. 개인 인사이트 (Personal Insight)#

Research Review: Hey, You, Get Off of My Cloud: Limitations and Industrial Response#

Day 4 – Limitations and Industrial Response#

1. 공격의 기술적 난이도 및 한계점 (Technical Limitations of the Attack)#

2. 산업적 대응 및 클라우드 격리의 발전 (Industry Response and Evolution)#

2.1. VM 배치 전략 강화 (Anti-Affinity Rules)#

2.2. 하드웨어 수준의 방어 기술 (Hardware-Assisted Mitigation)#

2.3. 타이밍 채널 완화 (Timing Channel Reduction)#

3. 개인 인사이트 (Personal Insight)#

Research Review: Hey, You, Get Off of My Cloud: Conclusion and Final Evaluation#

Day 5 – Conclusion and Future Trajectory#

1. 연구 최종 요약 및 평가 (Final Synthesis and Evaluation)#

2. 클라우드 공유 책임 모델의 재정의 (Redefining the Shared Responsibility Model)#

3. 향후 연구 및 산업적 함의 (Future Trajectory and Industrial Implication)#

4. 개인 인사이트 (Personal Insight)#

Research Review: Hey, You, Get Off of My Cloud: Exploring Information Leakage in Third-Party Compute Clouds

Day 1 – Research Context & Motivation

1. 연구 배경: 클라우드 격리의 약속과 신뢰 문제

2. 핵심 위협: 측면 채널 공격 (Side-Channel Attack)

3. 공격의 2단계 구조: Co-residency와 Leakage

A. Co-residency Detection (동일 물리 서버 확인)

B. Cross-VM Information Leakage (정보 유출)

4. 연구의 주요 기여 및 파급 효과

5. 개인 인사이트 (Personal Insight)

Research Review: Hey, You, Get Off of My Cloud: Exploring Information Leakage in Third-Party Compute Clouds

Day 2 – Core Attack Mechanism (공격 핵심 메커니즘)

1. 공격 모델 및 가정 (Threat Model)

2. 단계 1: Co-residency Detection (동일 물리 서버 확인)

A. 네트워크 근접성 분석 (Network Proximity)

B. 클라우드 지도 제작 (Cloud Cartography)

C. 배치 국소성 악용 (Placement Locality)

3. 단계 2: Cross-VM Information Leakage (VM 간 정보 유출)

A. 캐시 기반 측면 채널 (Cache-based Side Channel)

B. Prime+Probe 기법 (프라임+프로브)

4. 개인 인사이트 (Personal Insight)

Research Review: Hey, You, Get Off of My Cloud: Experimental Validation and Quantification

Day 3 – Experimental Validation and Quantification

1. 실험 환경 및 목표 (Experimental Setup and Targets)

2. Co-residency Detection의 성공률 (Phase 1 Results)

3. 정보 유출의 정량화 (Quantification of Information Leakage - Phase 2 Results)

4. 기술적 결론 및 시사점 (Technical Conclusion)

5. 개인 인사이트 (Personal Insight)

Research Review: Hey, You, Get Off of My Cloud: Limitations and Industrial Response

Day 4 – Limitations and Industrial Response

1. 공격의 기술적 난이도 및 한계점 (Technical Limitations of the Attack)

2. 산업적 대응 및 클라우드 격리의 발전 (Industry Response and Evolution)

2.1. VM 배치 전략 강화 (Anti-Affinity Rules)

2.2. 하드웨어 수준의 방어 기술 (Hardware-Assisted Mitigation)

2.3. 타이밍 채널 완화 (Timing Channel Reduction)

3. 개인 인사이트 (Personal Insight)

Research Review: Hey, You, Get Off of My Cloud: Conclusion and Final Evaluation

Day 5 – Conclusion and Future Trajectory

1. 연구 최종 요약 및 평가 (Final Synthesis and Evaluation)

2. 클라우드 공유 책임 모델의 재정의 (Redefining the Shared Responsibility Model)

3. 향후 연구 및 산업적 함의 (Future Trajectory and Industrial Implication)

4. 개인 인사이트 (Personal Insight)