将发表于 2026 年第 53 届国际计算机体系结构研讨会（ISCA）。
Jeonghyun Woo1*, Junsu Kim1*, Aamer Jaleel2, Prashant J. Nair1
1 不列颠哥伦比亚大学 2 NVIDIA * 同等贡献
DRAM 的持续微缩加剧了 RowHammer 漏洞。为此，JEDEC 最近引入了按行激活计数（Per Row Activation Counting, PRAC）及 Alert Back-Off 协议，作为 DDR5 的可选特性。尽管前景广阔，PRAC 需要每行计数器单元，这会带来面积开销，并且在每次激活时更新这些计数器会延长 DRAM 时序参数，从而降低性能。MINT 等概率性缓解措施通过在每个周期性缓解窗口内随机选择并缓解行，提供了一种成本更低的替代方案。MINT 在较高阈值（≥ 1000）下表现良好，但在较低阈值下，它必须提高缓解率以克服非选择问题，即被重度锤击的行可能反复逃脱采样。这种固定速率的提升即使在不存在攻击时也会降低有效内存带宽。
为了克服这一局限，我们提出了 PrISM，一种基于交集（intersection）的概率性缓解方法，它使用采样历史队列（Sampled History Queue, SHQ）将跨越多个窗口的采样行关联起来。PrISM 在每个窗口采样少量激活槽位，将已采样但未缓解的行存储在 SHQ 中，并且当某个采样行在该历史中再次出现时，通过现有的 Alert Back-Off 协议请求一次额外缓解。这使得 PrISM 仅在观察到持续性行活动时才增加缓解，而无需全局提高固定缓解率。在阈值为 500 时，PrISM 的平均性能开销仅为可忽略的 0.2%，而 PRAC 为 14%；它不需要修改 DRAM 阵列，也不需要每行计数器，每个 bank 仅需 625B SRAM——比此前基于安全计数器的 DRAM 内防御方案少一到两个数量级。与 MINT 相比，PrISM 在低阈值下具有更好的可扩展性，在阈值为 250 时将平均性能开销从 10.7% 降至 1.5%，降低了 7.1 倍。
prism/
├── perf_analysis/ # Ramulator2 simulations (Figures 7, 8, 9; Table VI)
├── security_analysis/ # Analytical model + MC validation (Figures 5, 6)
├── LICENSE
└── README.md # This file
每个子目录都包含自己的 README，其中提供了详细的复现说明：
perf_analysis/ — 用于生成性能结果的 Ramulator2 基础设施。支持 SLURM 和单机执行。security_analysis/ — 用于验证安全性声明的纯 Python 解析模型和蒙特卡洛验证。克隆仓库并选择一个子目录：
git clone https://github.com/STAR-Laboratory/prism.git
cd prism
要复现性能结果（图 7、8、9；表 VI）：
cd perf_analysis
./run_artifact.sh --method slurm --artifact all # or --method personal
要复现安全性分析（图 5、6）：
cd security_analysis
python3 prism_circular_security_analysis.py figure8 --w 72 \
--output-dir ./results --mc-windows 1000000 --mc-seeds 5
python3 plot_scripts/plot_figure5.py
完整细节请参阅各子目录的 README。
@inproceedings{prism_isca2026,
title = {Loaded Dice: Solving the Non-Selection Problem for Scalable Probabilistic RowHammer Defense},
author = {Jeonghyun Woo and Junsu Kim and Aamer Jaleel and Prashant J. Nair},
booktitle = {53rd Annual International Symposium on Computer Architecture (ISCA)},
year = {2026},
series = {ISCA'26},
}
本仓库基于 MIT 许可证 发布。