GPUHammer: Neue Bedrohung für KI-Modelle auf NVIDIA-GPUs

TORONTO / LONDON (IT BOLTWISE) – Eine neue Variante des RowHammer-Angriffs, bekannt als GPUHammer, bedroht die Integrität von KI-Modellen auf NVIDIA-GPUs. Forscher der Universität Toronto haben gezeigt, dass dieser Angriff die Genauigkeit von KI-Modellen drastisch reduzieren kann.

Die Sicherheitslandschaft im Bereich der Grafikprozessoren hat eine neue Bedrohung zu verzeichnen: GPUHammer, eine Variante des RowHammer-Angriffs, die speziell auf NVIDIA-GPUs abzielt. Diese Angriffe ermöglichen es böswilligen Nutzern, durch gezielte Bit-Flip-Manipulationen die Daten anderer Nutzer zu verändern. Besonders besorgniserregend ist die Fähigkeit von GPUHammer, die Genauigkeit von KI-Modellen erheblich zu beeinträchtigen, wie Forscher der Universität Toronto herausfanden.

RowHammer ist ein bekannter Angriff, der die physikalischen Eigenschaften von DRAM-Speichern ausnutzt, um durch wiederholte Speicherzugriffe Bit-Flips in benachbarten Speicherzellen zu verursachen. Im Gegensatz zu CPU-basierten Angriffen wie Spectre und Meltdown, die spekulative Ausführungen ausnutzen, zielt RowHammer direkt auf die Speicherhardware ab. GPUHammer überwindet sogar bestehende Schutzmaßnahmen wie die Target Refresh Rate (TRR) und stellt somit eine ernsthafte Bedrohung für die Integrität von KI-Modellen dar.

In einem Proof-of-Concept demonstrierten die Forscher, dass ein einzelner Bit-Flip ausreicht, um die Genauigkeit eines ImageNet-Modells von 80% auf nur 0,1% zu reduzieren. Diese Angriffe eröffnen eine neue Angriffsfläche, insbesondere für Cloud-Plattformen, die stark auf GPUs für parallele Verarbeitung und rechenintensive Aufgaben angewiesen sind. NVIDIA empfiehlt daher dringend, die System-Level Error Correction Codes (ECC) zu aktivieren, um das Risiko solcher Angriffe zu minimieren.

Neuere NVIDIA-GPUs wie die H100 oder RTX 5090 sind dank integrierter ECC-Funktionen, die Fehler durch Spannungsfluktuationen erkennen und korrigieren können, nicht betroffen. Allerdings kann die Aktivierung von ECC die Leistung von Machine-Learning-Inferenz-Workloads um bis zu 10% verlangsamen und die Speicherkapazität um 6,25% reduzieren. Trotz dieser Einschränkungen bleibt ECC eine wichtige Schutzmaßnahme gegen GPUHammer.

Parallel dazu haben Forscher von NTT Social Informatics Laboratories und CentraleSupelec einen weiteren RowHammer-Angriff namens CrowHammer vorgestellt, der eine Schlüsselwiederherstellung gegen das FALCON-Post-Quantum-Signaturschema ermöglicht. Diese Entwicklungen verdeutlichen die anhaltende Relevanz von RowHammer-Angriffen und die Notwendigkeit, kontinuierlich neue Sicherheitsmaßnahmen zu entwickeln.

Die Bedrohung durch GPUHammer zeigt, wie wichtig es ist, die Sicherheitsarchitektur von GPUs kontinuierlich zu überprüfen und anzupassen. Da KI-Modelle zunehmend in kritischen Anwendungen eingesetzt werden, ist der Schutz ihrer Integrität von entscheidender Bedeutung. Unternehmen und Cloud-Anbieter müssen daher proaktiv Maßnahmen ergreifen, um ihre Systeme gegen solche Angriffe zu sichern.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!