1. GPU安全威胁模型：攻击面与威胁建模方法
大家好，我是负责GPU IP安全架构的工程师。今天我们来聊聊一个很现实的问题——GPU到底面临哪些安全威胁？
说实话，十年前大家觉得GPU就是个图形加速器，谁会对它下手？但现在不一样了。GPU成了数据中心、自动驾驶、AI训练的核心部件，攻击者自然就盯上了这块肥肉。
1.1 GPU面临的安全威胁类型
我根据实际项目经验，把GPU的安全威胁归纳为三大类。嗯，每一类我都踩过坑。
1.1.1 侧信道攻击
侧信道攻击，说白了就是不走正门，走窗户。攻击者不直接破解你的加密算法，而是通过观察GPU的功耗、电磁辐射、计算时间等"副作用"来窃取信息。
典型案例：
- 时序攻击：通过测量GPU完成特定计算的时间，推断出密钥信息。我在做一款AI加速卡时，就发现不同输入数据导致的计算时间差异能被精确测量到纳秒级。
- 功耗分析：监控GPU核心的电流变化，还原出正在处理的数据内容。简单功耗分析(SPA)和差分功耗分析(DPA)都能用。
- 电磁辐射分析：GPU高频工作时会辐射电磁波，这些信号里藏着数据信息。我曾经用近场探头在显存走线上捕获到明文数据——那感觉，后背发凉。
1.1.2 数据泄露
数据泄露是GPU安全里最头疼的问题。为什么？因为GPU天生就是共享资源。
你想想看，在云环境里，多个用户的虚拟机和容器共享同一块物理GPU。一个用户的敏感数据（比如AI模型参数、推理结果）会不会被另一个用户看到？
- 显存残留数据：一个进程释放显存后，下一个进程可能读到残留数据。我测试过，某些GPU在分配显存时不会清零，直接就能读到上一个用户的数据。
- 寄存器状态泄露：GPU内部的通用寄存器、特殊寄存器在上下文切换时如果没有彻底清除，数据就会泄露。
- 缓存侧信道：通过测量缓存命中/未命中的时间差异，推断出其他进程正在处理的数据。这在CPU上已经很成熟了，GPU上同样适用。
避坑指南：我曾经在一个项目中，发现GPU在进程退出后，显存中的模型权重数据居然保留了超过30秒。这意味着只要攻击者在30秒内申请同一块显存区域，就能把模型偷走。后来我们强制在显存释放时做硬件级清零，才堵住这个漏洞。
1.1.3 权限提升
权限提升攻击的目标是：从普通用户权限，拿到内核级或管理级的控制权。
GPU驱动和硬件之间的交互接口（IOCTL、MMIO等）是攻击的高发区。攻击者通过构造恶意的命令缓冲区，触发驱动或固件的漏洞，从而获得更高权限。
- 驱动漏洞利用：GPU驱动代码量巨大，漏洞难免。我记得有一年，某厂商的GPU驱动被曝出十几个提权漏洞，攻击者只需要运行一个普通程序就能拿到系统最高权限。
- 固件攻击：GPU内部有自己的微控制器（比如PMU、RISC-V核），如果固件有漏洞，攻击者可以改写GPU的行为。
- 硬件后门：虽然少见，但确实存在。某些测试模式下，GPU会开放一些调试接口，如果生产环境中没关掉，就成了后门。
1.2 攻击面分析
攻击面就是攻击者能接触到GPU的"入口"。我习惯把GPU的攻击面分成三个层次：PCIe接口、显存、计算单元。
| 攻击面 | 攻击方式 | 风险等级 | 我的建议 |
|---|---|---|---|
| PCIe接口 | DMA攻击、配置空间篡改、中断注入 | 高 | 启用ACS、IOMMU/SMMU隔离 |
| 显存 | 数据残留、跨进程读取、Rowhammer | 高 | 硬件清零、内存加密 |
| 计算单元 | 侧信道、指令注入、异常状态泄露 | 中高 | 隔离执行、随机化调度 |
1.2.1 PCIe接口攻击面
PCIe是GPU和主机通信的唯一通道。攻击者如果控制了主机侧，就能通过PCIe做很多事情。
- DMA攻击：GPU可以通过DMA直接读写主机内存。如果攻击者控制了GPU，就能绕过CPU的内存保护，直接读取主机上的敏感数据。
- 配置空间攻击：PCIe配置空间里有BAR（基地址寄存器）、MSI（消息信号中断）等关键配置。篡改这些配置可以让GPU行为异常。
- 中断注入：伪造GPU中断，欺骗主机驱动执行错误处理流程。
个人经验：我在设计一款服务器GPU时，强制要求所有DMA操作必须经过IOMMU/SMMU的地址翻译和权限检查。说白了，就是让GPU不能直接看到物理地址，只能看到经过映射的I/O虚拟地址。这样即使GPU被攻破，攻击者也摸不到主机内存。
1.2.2 显存攻击面
显存是GPU的"工作台"，所有数据都在这里处理。攻击面最大，也最难防护。
- 跨虚拟机显存访问：在虚拟化场景下，多个虚拟机共享物理显存。如果虚拟化层有漏洞，一个VM就能读到另一个VM的数据。
- Rowhammer攻击：通过频繁访问某一行DRAM，导致相邻行的数据位翻转。这在DDR4/DDR5显存上同样有效。
- 显存映射攻击：攻击者通过mmap把显存映射到用户空间，然后直接读写。如果权限控制不到位，就能绕过驱动直接操作显存。
1.2.3 计算单元攻击面
计算单元（SM/CU/ALU）是GPU的核心。攻击者在这里主要做侧信道攻击和指令注入。
- 共享资源竞争：GPU的L1缓存、共享内存、寄存器文件都是共享资源。攻击者可以通过竞争这些资源来推断其他线程的数据。
- 指令级攻击：某些特殊指令（比如原子操作、同步指令）如果被恶意利用，可能导致死锁或数据损坏。
- 异常状态泄露：当计算单元发生异常（比如除零、越界），错误信息里可能包含寄存器状态，这些信息会被攻击者利用。
1.3 威胁模型建立方法
建立威胁模型，说白了就是回答三个问题：谁要攻击我？从哪里攻击？攻击成功后有什么后果？
我个人习惯用STRIDE模型来梳理威胁。STRIDE是微软提出的威胁建模方法，包含六类威胁：
- S - Spoofing（欺骗）：攻击者伪装成合法用户或设备。比如伪造GPU的PCIe设备ID。
- T - Tampering（篡改）：修改数据或代码。比如篡改GPU固件。
- R - Repudiation（抵赖）：攻击者否认自己的行为。比如没有审计日志。
- I - Information Disclosure（信息泄露）：敏感数据被窃取。比如显存数据泄露。
- D - Denial of Service（拒绝服务）：让GPU无法正常工作。比如耗尽显存或计算资源。
- E - Elevation of Privilege（权限提升）：从低权限获得高权限。比如驱动漏洞提权。
实战步骤：
- 绘制数据流图：把GPU内部的数据流动画出来。从PCIe入口，到命令处理器，到计算单元，到显存，再到输出。
- 识别信任边界：哪里是可信区域？哪里是不可信区域？比如主机驱动和GPU固件之间的接口就是信任边界。
- 逐节点分析威胁：对每个数据流节点，用STRIDE过一遍。比如显存节点，主要威胁是T（篡改）和I（信息泄露）。
- 评估风险等级：根据攻击难度和影响程度，给每个威胁打分。高风险的优先处理。
- 制定缓解措施：针对每个高风险威胁，设计安全机制。比如加密、隔离、审计。
举个例子。我在做一款自动驾驶GPU时，威胁模型分析发现：PCIe DMA通道是最高风险点。攻击者如果控制了车载娱乐系统（不可信域），就能通过DMA读取GPU正在处理的摄像头数据（敏感数据）。
缓解措施是什么？我们在GPU内部加了一个DMA防火墙，只允许特定地址范围的DMA操作，而且必须经过硬件签名验证。嗯，这个方案后来成了我们公司的专利。
避坑指南：建立威胁模型时，千万别只盯着硬件。我见过太多团队只分析硬件攻击面，忽略了软件和固件。实际上，80%的GPU安全漏洞都出在驱动和固件上。所以威胁模型一定要覆盖整个软件栈——从用户态驱动、内核态驱动、固件到硬件微架构。
小结
GPU安全威胁模型不是一次性的工作。随着新攻击技术的出现，威胁模型需要持续更新。我个人建议每半年review一次，每次流片前再做一次完整的威胁分析。
下一章我们会深入讨论GPU的隔离机制——如何从硬件层面把不同用户、不同任务彻底隔离开。说白了，就是给每个租户建一堵墙，谁也看不见谁。
好，今天就到这里。有什么问题欢迎交流。