GPUThor svela vulnerabilità in GPU Nvidia con ECC attiva

Un attacco svela limiti della protezione ECC su GPU Nvidia

Quattro ricercatori dell’Università di Toronto hanno dimostrato che l’attacco Rowhammer, noto per sfruttare vulnerabilità nei sistemi di memoria, può superare le misure di correzione degli errori (ECC) su GPU Nvidia. L’attacco, denominato GPUThor, ha rivelato che l’errore di correzione non è sufficiente a proteggere i dati in contesti di utilizzo intensivo, come l’AI. L’attacco ha causato errori non corretti e ha permesso a programmi non autorizzati di ottenere accesso totale al sistema. La ricerca ha dimostrato che l’attacco può causare errori di bit non corretti, con conseguenze gravi per l’integrità dei dati.

Impatto su sistemi di calcolo e servizi cloud

L’attacco ha dimostrato di poter causare un’interruzione del servizio, con il sistema che richiede un reset ogni due ore. Questo ha effetti devastanti per i sistemi che utilizzano GPU per l’addestramento di modelli o il servizio di modelli, poiché i dati potrebbero essere corrotti senza traccia. Inoltre, l’attacco ha permesso a programmi non autorizzati di ottenere accesso totale al sistema, aprendo la strada a un controllo totale del sistema host. La capacità di attacco ha reso GPUThor un potenziale strumento per la violazione di sistemi critici. L’attacco ha prodotto 387 errori di bit doppi rilevati ma non corretti dall’ECC, con due errori di bit tripli che sono stati riparati in modo silenzioso ma errato. Questi errori possono compromettere i modelli addestrati o serviti, senza lasciare traccia. L’attacco ha anche permesso a un programma non autorizzato di corrompere le tabelle di pagina della GPU, ottenendo accesso totale al sistema host.

Nvidia ha rilasciato una nota di sicurezza, ma non ha fornito una patch. I ricercatori hanno chiarito che una soluzione completa richiederebbe nuove tecnologie hardware, come la correzione multi-bit o sistemi di gestione avanzata della memoria. Questo crea un dilemma tra sicurezza e economia, poiché i servizi cloud utilizzano GPU condivise per ridurre i costi, ma questo aumenta il rischio di attacchi come GPUThor. La ricerca ha messo in luce un conflitto tra sicurezza e costi operativi nel settore cloud.

L’attacco ha funzionato su quattro schede di lavoro Ampere: RTX A4000, A4500, A5000 e A6000. Su ciascuna, ha trasformato un programma CUDA non privilegiato in un accesso totale al sistema. L’attacco ha prodotto un numero di errori di bit molto superiore rispetto a precedenti tentativi, con un incremento di circa 500 volte rispetto a metodi precedenti. L’effetto è stato amplificato dal fatto che il sistema di memoria delle GPU non si comporta come previsto, permettendo un’attivazione più frequente e intensa.

• Il codice dell’attacco sarà reso pubblico il 15 novembre.
• Il problema potrebbe interessare anche le GPU A100, utilizzate per l’addestramento di modelli.
• Non è prevista una soluzione immediata, a meno di nuove tecnologie hardware.