|
【PConline 资讯】刚于上月发布了RTX 2070新显卡的英伟达NVIDIA，现在貌似遇到了点小麻烦。怎么回事呢？来自加州大学河滨分校的研究人员，近期发现了三种可能被黑客利用GPU、来攻破用户安全与隐私防线的方法，可用于监视浏览器活动、窃取密码以及向基于云端的应用程序发起攻击，并在报告中，详细的描述了自己如何通过对Nvidia GPU进行反向工程，将图形渲染和计算机堆栈都拉下了水。
在这篇名为《渲染也不安全：计算机旁路攻击是可行的》（Rendered Insecure: GPU Side Channel Attacks are Practical）的论文里，称这是人们首次成功地对GPU发起旁路攻击。所谓旁路攻击，指的是攻击者绕过对加密算法的繁琐分析，利用密码算法的硬件实现的运算中泄露的信息，例如执行时间、功耗、电磁辐射等，结合统计理论快速的破解密码系统。 而要实现旁路攻击，必须满足两个条件：一是，在泄漏的物理信号与处理的数据之间建立联系；二是，要在信息泄漏模型中处理的数据与芯片中处理的数据之间建立联系。 《论文》中写到：执行这类攻击，也有着几项前提。首先，受害设备上必须被安装了间谍软件程序，这种恶意代码可以嵌入一个无害的应用程序。其次，攻击者必须拥有可以分析GPU内存分配机制的机器学习方法。然后，间谍软件和机器学习程序才可以利用现有的图形 API（如OpenGL或WebGL）发起攻击。 也就是说，一旦用户打开了恶意应用程序，该程序便会调用API分析GPU正在呈现的内容，监视GPU的存储器和性能计数器，并馈送给机器学习算法，以解释数据和创建网站的指纹。
对此，加州大学河滨分校指出，鉴于渲染对象数量和尺寸的不同，每个网站在GPU内存利用率方面都会留下独特的痕迹。在多次加载同一个网站时，这个信号的样式几乎是一致的，且不受缓存的影响，通过这种‘网站指纹识别方法’，研究员们已获得较高的识别准确率。而黑客借助该技术，便可监控受害者的所有网络活动。 更糟糕的是，这一漏洞还允许黑客从GPU数据中提取密码。这意味着，当用户输入密码时，整个文本框会被发送到GPU进行渲染，且每一次的击键都会发生这样的数据传递。如此这般，凭借完善的密码学习技术，只需监控GPU内存中持续的分配事件并参考间隔时间，理论上攻击者就可以做到这点。 此外，该篇《论文》中还描述了第三种技术，即攻击基于云端的应用程序，比上述两种方法更为复杂。攻击者可以在GPU上启动恶意的计算型工作负载，与被攻击对象的应用程序一起运行。 根据神经网络的参数、缓存、内存及功能单元上（随时间而不同的）争用强度和模式，可以产生可测量的信息泄露。攻击者在性能计数器的追踪上使用了基于机器学习的分类，以此提取受害者的私密神经网络结构，如深层神经网络特定层中的神经元数量。 不过，庆幸的是该漏洞是由安全研究员发现，且已向NVIDIA通报了他们的研究结果，该公司还表示将向系统管理员推出一个补丁，以便他们可以禁止从用户级进程访问性能计数器。与此同时，研究团队还向AMD和英特尔安全团队通报了同样的事情，以便它们评估这些漏洞是否会在自家产品上被利用。 |
