GPUHammer — eine Variante des Rowhammer-Angriffs auf GPU-Speicher.

Forscher der Universität Toronto haben den ersten Rowhammer-Angriff vorgestellt, der zur Verzerrung des Inhalts von Videoram eingesetzt wird. Die Möglichkeit, einen Angriff durchzuführen, der bis zu 8 Bit Daten ersetzt, wurde auf der diskreten NVIDIA A6000 GPU mit GDDR6-Speicher demonstriert. Als praktisches Beispiel wurde gezeigt, wie eine solche Verzerrung verwendet werden kann, um in die Ausführung von Machine-Learning-Modellen einzugreifen und die Genauigkeit ihrer Ergebnisse wesentlich (von 80 % auf 0,1 %) zu reduzieren, indem nur ein einzelnes Bit geändert wird.

Bis jetzt war die Erstellung von Rowhammer-Angriffen für Videoram aufgrund der Schwierigkeit, die physische Anordnung des Speichers in GDDR-Chips zu bestimmen, geringer Zugangsgeschwindigkeit (viermal langsamer) und höherer Speicheraktualisierungsfrequenz eingeschränkt. Darüber hinaus wurde die Forschung durch die Verwendung proprietärer Schutzmechanismen in GDDR-Chips behindert, die zu einem vorzeitigen Verlust der Ladung führen und für deren Analyse spezielle Hardware-Teststände auf Basis von FPGA erforderlich waren.

Um den Videoramspeicher zu untersuchen, haben Forscher eine neue Reverse-Engineering-Technik für GDDR DRAM entwickelt. Dabei kamen Methoden zum Einsatz, die für die Organisation paralleler Berechnungen zur Optimierung des Zugriffs auf den Speicher verwendet wurden. Diese wurden als Verstärker für die Intensität des Zugriffs auf einzelne Zellen eingesetzt. Für den Angriff auf die NVIDIA GPU wurde Low-Level CUDA-Code verwendet.

Im Benutzercode von CUDA gibt es keinen Zugriff auf physische Adressen des Speichers, jedoch wurde im NVIDIA-Treiber die virtuelle Speicheradresse auf denselben physischen Speicher abgebildet. Dies nutzten die Forscher, um die Verschiebung des virtuellen Speichers zu berechnen und die Struktur der Bankspeicher zu bestimmen. Die Erkennung der Zugriffe auf unterschiedliche Bankspeicher erfolgte durch die Analyse von Verzögerungen, die beim Zugriff auf einen oder mehrere Bankspeicher unterschiedlich waren.

In Systemen, die GPU gemeinsam nutzen, wie Server Für das Ausführen von Modellen des maschinellen Lernens ermöglicht ein Angriff einem Benutzer, den Inhalt des Videospeichers mit Daten eines anderen Benutzers zu verändern. Als Schutzmaßnahme empfiehlt NVIDIA, die Fehlerkorrekturcodes (ECC, Error Correction Codes) mit dem Befehl „nvidia-smi -e 1“ zu aktivieren oder Serien von Grafikkarten mit OD-ECC-Unterstützung (On-Die ECC) zu verwenden, wie GeForce RTX 50, RTX PRO, GB200, B200, B100, H100, H200, H20 und GH200.

Laut Forschern führt die Aktivierung von ECC auf Systemen mit der GPU A6000 zu einer Leistungsreduzierung von etwa 10% bei der Ausführung von Modellen des maschinellen Lernens und zu einer Verringerung des Speichervolumens um 6,25%. Das Werkzeug für den Angriff und das Durchführen von Reverse Engineering der Low-Level-Anordnung des Videospeichers auf Systemen mit NVIDIA-GPU wurde auf GitHub veröffentlicht.

Der RowHammer-Angriff kann den Inhalt einzelner DRAM-Speicherbits durch wiederholtes Lesen von Daten aus benachbarten Speicherzellen verfälschen. Da DRAM-Speicher ein zweidimensionales Array von Zellen darstellt, die jeweils aus einem Kondensator und einem Transistor bestehen, führt das kontinuierliche Lesen eines bestimmten Speicherbereichs zu Spannungsfluktuationen und Anomalien, die zu einem kleinen Verlust von Ladung in benachbarten Zellen führen. Wenn die Leseintensität hoch ist, kann die benachbarte Zelle genügend Ladung verlieren, und der nächste Regenerationszyklus hat möglicherweise nicht die Möglichkeit, ihren ursprünglichen Zustand wiederherzustellen, was zu einer Änderung der in der Zelle gespeicherten Daten führt.

Die Rowhammer-Angriffs methode wurde 2014 vorgeschlagen, woraufhin zwischen Sicherheitsforschern und Hardwareherstellern ein Katz-und-Maus-Spiel begann — die Hersteller von Speicherchips versuchten, die Schwachstelle zu blockieren, während die Forscher neue Wege fanden, sie zu umgehen. Beispielsweise haben die Chip-Hersteller zur Abwehr von RowHammer einen TRR-Mechanismus (Target Row Refresh) hinzugefügt, der jedoch nur in bestimmten Fällen eine Verzerrung der Zellen verhindert und nicht vor allen möglichen Angriffen schützt. Angriffs methoden wurden für DDR3-, DDR4- und DDR5-Chips in Systemen mit Intel-, AMD- und ARM-Prozessoren entwickelt. Es wurden auch Wege gefunden, die ECC-Fehlerkorrektur zu umgehen, und es wurden Varianten für Angriffe über das Netzwerk und durch Ausführen von JavaScript-Code im Browser vorgeschlagen.

Quelle: opennet.ru