if ( !emtpy($headline_subheadline ) ) : ?>
La nouvelle attaque contourne la protection ECC sur les systèmes exécutant des GPU Nvidia et peut produire des erreurs doubles et triples, montrent les chercheurs.
endif; ?>
Des chercheurs en sécurité matérielle de l’Université de Toronto ont développé une nouvelle technique de retournement de bits de mémoire qui améliore considérablement les attaques précédemment connues contre la mémoire GPU. La nouvelle méthode peut vaincre la défense des codes correcteurs d’erreurs (ECC) utilisée sur les GPU Nvidia d’entreprise et peut conduire à un accès root sur le système sous-jacent.
Baptisée GPUThor, la technique appartient à une catégorie d’attaques connue sous le nom de Rowhammer qui exploite la densité cellulaire des puces de mémoire vive (RAM) modernes. L’attaque originale de Rowhammer a été démontrée contre les puces DDR3 et DDR4 en 2015 et repose sur une observation plus ancienne selon laquelle des rangées serrées de cellules de mémoire peuvent parfois laisser échapper des charges électriques vers des rangées adjacentes, faisant passer les valeurs de bits stockées dans ces cellules de 0 à 1 ou inversement.
Ces retournements de bits peuvent être déclenchés intentionnellement à l’aide d’opérations de lecture rapides et répétées sur la même ligne de mémoire – une technique appelée « martelage de lignes » – et si elles sont effectuées de manière contrôlée, elles peuvent avoir des implications en matière de sécurité, allant de l’élévation des privilèges à la manipulation du modèle d’IA.
Au fil des années, les chercheurs ont développé de nombreuses variantes d’attaques Rowhammer contre différents types de mémoire, de la DDR3 et DDR4 à la DDR5, initialement considérée comme sûre, et aux puces GDDR utilisées dans les cartes graphiques.
« GPUThor est la première attaque Rowhammer contre les GPU Nvidia à percer les codes de correction d’erreurs (ECC), la défense de Nvidia contre cette menace », déclare l’équipe de chercheurs de l’Université de Toronto sur un site Web dédié à leurs nouvelles recherches. « Notre travail précédent, GPUHammer (2025), a d’abord démontré les retournements de bits Rowhammer dans la mémoire GDDR6 des GPU Nvidia, et un travail de suivi, GPUBreach (2026) a montré l’élévation des privilèges jusqu’au shell root sur le CPU. À cette époque, Nvidia recommandait d’activer ECC comme mesure d’atténuation (Nvidia Security Notice, 2025). Toutes les attaques GPU précédentes sont vaincues une fois ECC activé. «
En quoi GPUThor est-il différent ?
Les précédentes attaques GPUHammer et GPUBreach effectuaient le martelage des lignes de mémoire de manière uniforme, ce qui signifiait que le mécanisme Target Row Refresh (TRR) présent dans la DDR5 et les générations de RAM ultérieures pouvait détecter les retournements d’un seul bit, puis le mécanisme ECC, s’il était activé, pouvait les corriger.
La technique GPUThor permet le premier martelage de lignes non uniforme sur GPU DRAM et produit par conséquent des erreurs à double et même triple bit, où plusieurs bits sont inversés en même temps, une condition pour laquelle le mécanisme ECC intégré n’a pas été conçu. GPUThor frappe sa cible 6,6 fois plus fort que les attaques GPU précédentes et produit 500 à 23 500 fois plus de retournements de bits.
Cela réduit également le temps nécessaire pour trouver un retournement de bit exploitable, étant donné que tous les retournements de valeurs ne se trouvent pas dans des zones mémoire mappées par le système d’exploitation pour les opérations sensibles. GPUHammer a besoin de 21,9 heures sur une carte Nvidia RTX A6000 sur laquelle ECC n’est pas activé, contre seulement 1,1 minute avec GPUThor sur la même carte.
« Nous avons confirmé des retournements de bits sur quatre GPU Nvidia Ampere différents avec mémoire GDDR6 : les RTX A4000, A4500, A5000 et A6000 », ont indiqué les chercheurs. « Ceux-ci sont courants sur les postes de travail et les instances cloud. La technique d’attaque est générale, donc d’autres GPU utilisant une mémoire et des défenses similaires peuvent également être menacés. »
Cependant, les chercheurs ont également testé des GPU de serveur Nvidia tels que A100 et H100 ou des GPU plus récents sur l’architecture Blackwell comme RTX 5090 ou RTX 6000, et leur attaque n’a pas produit de retournements de bits. En effet, ces cartes utilisent des types de mémoire différents ou plus récents, tels que HBM, GDDR6X et GDDR7, qui ont des défenses différentes. L’équipe de recherche prévoit d’étudier ces puces à l’avenir afin de ne pas écarter la possibilité que des modèles d’attaque alternatifs puissent exister pour elles.
Pourquoi est-ce important ?
À l’ère des modèles d’IA, les GPU d’entreprise et de classe serveur sont précieux car ils sont nécessaires à la fois à la formation ou au réglage fin des modèles d’IA et à leur exécution, ce que l’on appelle l’inférence. Même sans IA, ces GPU sont généralement installés dans des centres de données et exécutent souvent des charges de travail sensibles à partir de plusieurs machines virtuelles en même temps.
Lors de leurs tests, les chercheurs ont réussi à faire planter les GPU si souvent qu’en un jour, les cartes se sont signalées comme défectueuses et devaient être remplacées à l’aide de leurs mécanismes internes de détection de crash. En plus de déclencher des conditions de déni de service qui tuent toutes les charges de travail exécutées sur la carte, les chercheurs ont réussi à corrompre les tables de pages mémoire du GPU d’une manière qui a permis à un programme non privilégié d’élever ses privilèges vers root.
« Lorsqu’un GPU est partagé en temps entre utilisateurs (ce qui est courant dans les services d’IA cloud), un attaquant s’exécutant sur la même carte peut retourner des bits dans les données d’une victime et faire planter le GPU partagé », ont déclaré les chercheurs. « Même si le GPU n’est pas partagé en temps, tout code non fiable qui s’exécute sur les GPU (par exemple, les modèles ML nécessitant des packages téléchargés sur Internet qui peuvent avoir été compromis) peut évoluer vers des privilèges de niveau racine et servir de point d’entrée pour les logiciels malveillants dans le système. »
Atténuation
Étant donné que cette attaque exploite un défaut de conception, un correctif complet nécessite de meilleures défenses matérielles intégrées aux futures générations de GPU, mais d’ici là, les utilisateurs doivent faire attention à l’exécution de code non fiable dans leurs GPU et doivent surveiller les compteurs de correction d’erreurs de Nvidia, car une pointe dans ces compteurs pourrait être une indication qu’une attaque est en cours.
GPUThor a été signalé à Nvidia en avril et la société a publié cette semaine un nouvel avis de sécurité concernant l’attaque. L’avis contient des recommandations supplémentaires telles que l’activation de l’isolation IOMMU/DMA de l’hôte lorsqu’elle est prise en charge et l’utilisation de l’outil nvidia-smi ou des interfaces de gestion hors bande prises en charge pour surveiller la télémétrie ECC des cartes.
