近期，多伦多大学团队发现的GPUHammer漏洞引发关注。该漏洞是针对GPU显存的物理层Rowhammer攻击，影响RTX A6000及GDDR6显存相关架构GPU，可使AI模型准确率从80%骤降至0.02%，导致系统失效。
其攻击机制在于高频访问显存特定行致使比特位翻转，主要针对GDDR6显存。通过改变模型权重，如FP16指数位翻转使数值暴增，能降低主流模型准确率，在共享GPU或本地植入恶意程序场景下均可发起攻击。
受影响方面，已验证RTX A6000（Ampere架构）存在此漏洞，采用GDDR6显存的NVIDIA GPU有潜在风险，而GDDR7或HBM3显存GPU（含ECC）则免疫。
为应对威胁，可采取多种防御措施。启用ECC功能，虽会降低性能10%、减少显存，但能有效纠错；及时更新驱动至最新版；选择带ECC显存技术及专业GPU进行硬件替代；在云或共享环境中隔离租户任务。
该漏洞危害极大，可能致使自动驾驶、医疗AI、金融风控等出错，造成共享环境数据污染，且攻击难检测。对云计算和边缘计算设备均构成冲击。
下一代GPU或采用抗攻击显存设计，软件方面将开发实时监控工具，同时推动安全标准认证纳入物理层防御。
总之，GPUHammer凸显硬件安全挑战，企业应启用ECC、更新驱动，开发者关注安全，实现软硬件协同防御至关重要。
大象配资-免费股票配资-配资平台开户炒股-配资178股票配资网址查询提示：文章来自网络，不代表本站观点。
