{"id":138938,"date":"2025-07-14T11:11:58","date_gmt":"2025-07-14T09:11:59","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/gpuhammer-variant-ataki-rowhammer-na-pamyat-gpu"},"modified":"2025-07-14T11:11:58","modified_gmt":"2025-07-14T09:11:59","slug":"gpuhammer-variant-ataki-rowhammer-na-pamyat-gpu","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/news\/gpuhammer-variant-ataki-rowhammer-na-pamyat-gpu","title":{"rendered":"GPUHammer \u2014 una variante dell'attacco Rowhammer sulla memoria GPU","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
I ricercatori dell'Universit\u00e0 di Toronto hanno presentato il primo attacco di classe Rowhammer applicato alla corruzione del contenuto della memoria video. L'attacco, che pu\u00f2 sostituire fino a 8 bit di dati, \u00e8 stato dimostrato su una GPU discreta NVIDIA A6000 con memoria GDDR6. Come esempio pratico, \u00e8 stato mostrato come una tale corruzione possa essere utilizzata per interferire con l'esecuzione di modelli di machine learning e ridurre in modo significativo (da 80% a 0,1%) la precisione dei risultati che producono modificando il valore di un solo bit.
<\/center> <\/p>\n
Fino ad ora, la creazione di attacchi di classe Rowhammer per la memoria video \u00e8 stata ostacolata dalla difficolt\u00e0 di determinare la disposizione fisica della memoria nei chip GDDR, da maggiori ritardi nell'accesso alla memoria (4 volte pi\u00f9 lenti) e da una maggiore frequenza di aggiornamento della memoria. Inoltre, il progresso della ricerca era stato rallentato dall'implementazione nei chip GDDR di meccanismi di protezione proprietari contro la manipolazione che portano a una perdita prematura di carica, per l'analisi dei quali era necessario costruire apposite piattaforme di test hardware basate su FPGA. <\/p>\n
Per studiare la memoria video, i ricercatori hanno sviluppato una nuova tecnica di reverse engineering della DRAM GDDR, e nell'attacco sono stati coinvolti metodi utilizzati per l'organizzazione di calcoli paralleli, ottimizzando l'accesso alla memoria, che sono stati utilizzati come amplificatori dell'intensit\u00e0 dell'accesso a singole celle. Per condurre l'attacco alla GPU NVIDIA \u00e8 stato utilizzato codice CUDA a basso livello. <\/p>\n
Nel codice CUDA dell'utente non viene effettuato l'accesso agli indirizzi fisici della memoria, ma nel driver NVIDIA veniva eseguito il mapping della memoria virtuale su una stessa memoria fisica, cosa di cui i ricercatori hanno approfittato per calcolare lo spostamento della memoria virtuale e determinare la disposizione delle banche di memoria. Il riconoscimento degli accessi a diverse banche di memoria \u00e8 stato realizzato attraverso l'analisi dei ritardi, che variavano a seconda che si accedesse a una singola o a diverse banche di memoria. <\/p>\n
![\"GPUHammer](\"\/wp-content\/uploads\/2025\/07\/335fc84ff4fcbe5d01f91b5c3084481e.png\")
<\/center> <\/p>\n