文章总结： 本文揭示苹果M4/M5芯片SME引擎因多核共享执行资源存在侧信道漏洞。攻击者利用指令争用致CPI变化构建缓存无关隐蔽信道，实现超1Mbps跨核通信、近99%的DNN模型识别率及13小时内恢复后量子密钥。建议通过时间复用、资源划分或噪声注入兼顾性能与跨域安全。 综合评分： 93 文章分类： 漏洞分析,逆向分析,漏洞POC,终端安全,AI安全

骑士战队 MICRO’26 论文之 Apple 篇 —— SMExplode：基于苹果 SME Engine 构建的缓存无关跨核侧信道攻击

骑士战队 骑士战队

安全硬核

2026年7月20日 09:47 北京

在小说阅读器读本章

去阅读

第 59 届 IEEE/ACM 国际微体系结构会议（MICRO 2026）定于 2026 年 10 月 31 日至 11 月 4 日在希腊雅典举行，骑士战队共有 4 篇论文被接收。

本文 SMExplode首次系统分析了 Apple M4/M5 中的 Scalable Matrix Extension（SME）Engine，并利用这一共享加速器上的指令争用，构造出不以缓存为观测媒介的跨核、跨虚拟机高精度侧信道。

论文题目：SMExplode: Cross-Core and Cache-Agnostic Side-Channel Attack on Apple Silicon via SME Engine

作者：Hongpei Zheng, Ben Chen, Hanyin Liu, Kaiyuan Rong, Yun Chen, Dongsheng Wang

会议：MICRO 2026

Part1

核心要点

SMExplode 的关键发现是：同一 Cluster 内的多个 CPU 核心共享一个 SME Engine。当不同核心同时执行 SME 指令时，它们会竞争后端执行资源，使指令 CPI 产生稳定、可测的变化。攻击者在另一个核心持续执行并计时一组 SME 指令，即可实时细粒度感知受害者的 SME 活动；这一过程使用普通用户态计时，不读取受害者地址空间，也不依赖缓存状态。

基于这一发现，SMExplode 实现最高 1.223 Mbps 的跨核隐蔽信道和0.695 Mbps 的跨虚拟机隐蔽信道；对 8 种 DNN 模型的识别准确率达到98.53%，并能泄漏模型结构和卷积算子规模；针对 SME 加速的 OpenSSL ML-DSA-44 实现，完整密钥可在约 13 小时内恢复。

Part2

背景与问题

以往针对 Apple 芯片的微架构攻击，多集中于同一进程中的预取器、预测机制，或依赖缓存完成跨核观测。自 M4/A18 起进入 Apple 芯片的 SME Engine 面向向量和矩阵运算，是 AI/ML 与密码算法的重要加速部件。每个 CPU 核心保留独立的 SME 架构状态，但同一 Cluster 内的核心共享一个包含 Decode、Map、Schedule 和多类执行单元的 SME Engine，这一组织方式也引入了新的跨核心共享边界。

图 1. Apple SME Engine 与 CPU Core、共享 L2 Cache 的交互概览。

Part3

核心发现

研究团队通过不同依赖关系和并行度的指令序列，对 M4/M5 的 SME Engine 进行了逆向。结果表明，SME 内部存在对应 SSVE、SSFP 和矩阵运算的多类执行资源，P-Core 与 E-Core Cluster 的矩阵资源配置也有所不同。更重要的是，当两个核心同时使用 SME 时，一方的指令会显著延迟另一方：不同指令类型具有不同的干扰强度，争用信号还能随工作负载规模变化。实验中，Sampler 以约100 ns的节奏采样；即使另一核心仅突发执行 5 条 SSVE ADD，CPI 变化也可被检测。相同现象在基于 Apple Virtualization.Framework 的虚拟机中依然存在，说明 SME 共享没有止步于进程或物理核心边界。

图 2. 另一核心突发执行不同数量的 SSVE ADD 时，Sampler 捕获到分级 CPI 波动。

Part4

攻击原语

SMExplode 的攻击原语包含“占满”和“检测”两个动作：攻击者以较高指令级并行度持续占用某类 SME 执行单元，同时反复测量自身指令序列的耗时；受害者在另一核心调用相关 SME 资源后，竞争会直接体现为攻击者 CPI 上升。该原语针对的是共享执行资源的实时争用，而不是受害者执行后留在缓存、TLB 或预测器中的持久化痕迹，因此能够避开以缓存状态为核心的观测与防护假设。

Part5

跨核与跨虚拟机隐蔽信道

在隐蔽信道中，发送端分别用“执行 SME 指令”和“只执行 CPU 指令”制造有争用、无争用两种状态，接收端则连续测量 SME 指令 CPI 并还原比特。为降低无同步传输中的错位，SMExplode 使用冗余编码和周期性对齐序列；跨虚拟机时再把长消息切分为 4096-bit 数据块，以减小 VM 调度抖动的影响。

图 3. 发送端通过 SME 争用编码信息，接收端采样 CPI 并完成译码。

在默认用户态 Mach timer 下，M4 P-Core 的跨核信道达到1.090 Mbps、99.05% 准确率，M5 P-Core 达到1.223 Mbps、97.27%；跨 VM 时，M4 与 M5 分别达到0.455 Mbps、97.44% 和0.695 Mbps、97.73%。

图 4. SMExplode 跨核与跨虚拟机隐蔽信道的带宽和准确率。

Part6

DNN 模型信息泄漏

Apple Accelerate 和 Core ML 中的模型会调用 SME 优化算子，不同网络因算子类型、执行顺序和计算规模不同，留下具有模型特征的争用轨迹。团队使用跨核采样数据训练轻量级分类器，在 ResNet18/34/50、EfficientNetB4、VGG16、DenseNetBC、SqueezeNet 和 MobileNetV2 上取得98.53% 的识别准确率。轨迹还可以进一步显示 ResNet50 的 Epoch、Bottleneck 数量与 Conv/ReLU/FC 执行顺序，并与卷积核、通道数和计算规模呈高度相关。黑盒 Core ML 推理及 VM 内卷积层 PoC 也产生了可区分信号，说明泄漏能够延伸到真实系统框架和虚拟化场景。

图 5. 不同 DNN 模型产生的采样密度与 CPI 轨迹。

图 6. DNN 网络指纹识别流程。

图 7. ResNet50 的 Epoch 和层级采样信息。

Part7

后量子密码密钥恢复

SMExplode 还被用于攻击 OpenSSL 中启用 SME 加速的 ML-DSA-44 签名。该实现的拒绝采样过程会根据中间结果走向不同分支，进而执行不同数量的向量与矩阵操作；这些差异会在另一个核心的 SME 争用轨迹中表现出来。攻击者通过大量签名请求收集轨迹和签名输出，再结合分类与格规约恢复秘密向量。实验共收集 108 组签名及轨迹，在线采集约 7 小时、离线计算约 6 小时，最终在约 13 小时后恢复完整密钥。该泄漏来自 SME 资源共享，并非 ML-DSA 标准本身的数学设计。

图 8. 不同拒绝采样分支对应可区分的 SME 争用片段。

Part8

总结与缓解

SMExplode 揭示了 Apple Silicon 上一个此前较少受到关注的安全边界：即使 CPU 没有传统 SMT，同一 Cluster 共享的专用加速器后端仍会把多个物理核心、进程和虚拟机连接到同一套执行资源。论文讨论的缓解方向包括按安全域对 SME 做时间复用、静态划分执行资源、为密码等关键进程临时授予独占访问，以及在短敏感区间注入随机 SME 噪声。更根本的启示是，随着 AI、矩阵和密码计算不断迁移到专用加速器，共享资源的性能优化需要与跨核心、跨进程、跨 VM 的安全隔离同步设计。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：安全硬核 骑士战队 骑士战队《骑士战队 MICRO’26 论文之 Apple 篇 —— SMExplode：基于苹果 SME Engine 构建的缓存无关跨核侧信道攻击》