英偉達GPU被發(fā)現(xiàn)嚴重漏洞
加入技術(shù)交流群
針對英偉達GPU（搭載GDDR6顯存）黑客發(fā)現(xiàn)通過名為GPUHammer漏洞，這是一種Rowhammer（行錘攻擊）攻擊變體，可將英偉達顯卡上AI模型的準(zhǔn)確率從80%直接掉到0.02%。多倫多大學(xué)的研究人員形容，這種攻擊就像在模型中引發(fā)災(zāi)難性的腦損傷。
目前，該漏洞已在RTX A6000顯卡上測試驗證，不過H100或RTX5090不受影響，因為它們有片上ECC（系統(tǒng)級糾錯碼）。英偉達建議用戶實施一項防御措施，但這種措施會讓模型性能下降10%。
物理層面的攻擊
該攻擊由多所大學(xué)研究人員首次實證驗證，可通過誘發(fā)GPU顯存中的比特翻轉(zhuǎn)（bit flip）現(xiàn)象，即通過反復(fù)“錘擊”某一行內(nèi)存，導(dǎo)致相鄰行的比特位發(fā)生翻轉(zhuǎn)（0變1或1變0），從而實現(xiàn)對AI模型等關(guān)鍵數(shù)據(jù)的破壞性篡改。這一物理層面的攻擊方式在現(xiàn)代GPU內(nèi)存架構(gòu)中極具破壞性，類似于針對CPU的Spectre和Meltdown擊，標(biāo)志著這類曾廣泛威脅DRAM和CPU的硬件漏洞正在向GPU擴散，對AI基礎(chǔ)設(shè)施的構(gòu)成重大風(fēng)險。
在共享GPU平臺（如云端機器學(xué)習(xí)平臺、VDI虛擬桌面等）中，這種攻擊還可能演變?yōu)榭缱鈶麸L(fēng)險：攻擊者無需直接訪問他人模型，僅憑顯存中可控的干擾就能操控鄰近任務(wù)的模型權(quán)重，誘導(dǎo)其輸出錯誤判斷。GPUHammer的影響遠不止于數(shù)據(jù)中心訓(xùn)練節(jié)點 —— 邊緣計算設(shè)備、自主駕駛系統(tǒng)、金融風(fēng)控引擎等也大量依賴GPU并實時推理。如果這些系統(tǒng)遭到顯存層級的「靜默破壞」，可能出現(xiàn)無法逆轉(zhuǎn)的誤判或合規(guī)失誤。
如何防御？
為防范GPUHammer攻擊，英偉達建議用戶通過命令nvidia-smi-e1啟用ECC功能，并使用nvidia-smi-q|grep ECC驗證狀態(tài)，通過為數(shù)據(jù)附加額外的校驗位，可自動檢測并修復(fù)單比特翻轉(zhuǎn)。不過它只能修復(fù)單個比特錯誤，遇上雙比特翻轉(zhuǎn)，只能發(fā)出警告無法修復(fù)。
研究團隊表示，系統(tǒng)一般默認禁用ECC，因為ECC啟用后可能導(dǎo)致A6000顯卡推理性能下降約10%、顯存減少6.25%，但其在AI模型完整性方面的保護能力至關(guān)重要。這是一場權(quán)衡：安全與速度，只能二選一。
此外，在云端環(huán)境中，英偉達的MIG和機密計算（CC）技術(shù)通過內(nèi)存隔離，能有效阻止多租戶共享同一DRAM存儲，從而防止Rowhammer類攻擊生效。
評論