Der Rowhammer-Effekt ist seit Jahren als Sicherheitsproblem bei DRAM-Speichern bekannt: Durch wiederholtes, gezieltes Zugreifen auf bestimmte Speicherzeilen lassen sich benachbarte Bits kippen, ohne dass diese Zeilen selbst adressiert werden. Ein Forschungsteam der Northeastern University hat diese physikalische Schwachstelle nun in einem neuen Angriffsszenario namens ROBBIN eingesetzt, um gezielt Backdoors in neuronale Netze einzuschleusen – und zwar nicht beim Training, sondern erst während der Inferenzphase auf dem Zielsystem.

Der Ansatz ist deshalb bemerkenswert, weil er die Angriffsmethode direkt an die individuellen Bit-Flip-Charakteristika des jeweiligen DRAM-Bausteins anpasst. ROBBIN analysiert zunächst, welche Speicherzellen im konkreten Chip besonders anfällig für Rowhammer-induzierte Fehler sind, und wählt anschließend iterativ genau jene Gewichtsparameter eines Modells aus, deren Speicherorte sich für eine kontrollierte Manipulation eignen. Auf diese Weise entsteht eine maßgeschneiderte, hardwarespezifische Backdoor, die klassische Verteidigungsmechanismen gegen Trainings- oder Lieferketten-Angriffe umgeht, da die Manipulation erst nach Auslieferung und Deployment des Modells erfolgt.

Relevanz für die Halbleiterfertigung

Für die Halbleiterbranche unterstreicht diese Arbeit erneut, wie physikalische Eigenschaften der Speichertechnologie – etwa Zellabstände, Ladungserhalt und Refresh-Zyklen – zunehmend als Angriffsvektor für softwareseitige Sicherheitsprobleme dienen. Je dichter DRAM-Zellen gepackt werden, desto relevanter wird die Kopplung zwischen benachbarten Zeilen, was Rowhammer-ähnliche Effekte in zukünftigen Speichergenerationen tendenziell nicht entschärft, sondern verschärfen könnte.

Die Studie verdeutlicht damit den wachsenden Bedarf an hardwareseitigen Gegenmaßnahmen, etwa robusteren Refresh-Strategien oder speziellen Fehlerkorrekturmechanismen, die speziell auf KI-Beschleuniger und deren Speicherarchitekturen zugeschnitten sind.