Nghiên cứu mới có tên Bit2Watt đã hé lộ một mối đe dọa mạng độc đáo, cho thấy cách các công việc đào tạo trí tuệ nhân tạo (AI) có thể bị lạm dụng để phá vỡ các hệ thống điện hỗ trợ trung tâm dữ liệu. Đây là một rủi ro bảo mật nghiêm trọng cần được quan tâm, đặc biệt trong bối cảnh phụ thuộc ngày càng tăng vào AI và năng lượng tái tạo.
Thay vì cài đặt phần mềm độc hại hoặc xâm nhập vào hệ thống điều khiển lưới điện, kẻ tấn công có thể sử dụng các khối lượng công việc GPU hợp pháp để tạo ra những biến động nhanh chóng và lặp đi lặp lại về nhu cầu điện.
Hiểu rõ Bản Chất của Mối Đe Dọa Mạng Bit2Watt
Mối đe dọa mạng này phát sinh từ sự kết nối ngày càng tăng giữa các cụm GPU lớn và các mạng lưới điện phụ thuộc nhiều vào năng lượng tái tạo.
Khi nhiều GPU đột ngột chuyển đổi giữa trạng thái tính toán nặng và hoạt động nhẹ hơn, những thay đổi điện năng này có thể lan truyền qua thiết bị trung tâm dữ liệu và ảnh hưởng đến sự ổn định của lưới điện cục bộ.
Bit2Watt: Một Mối Đe Dọa Mạng Cyber-Physical Độc Đáo
Các nhà nghiên cứu từ Arxiv đã xác định vấn đề này trong một bài báo mô tả Bit2Watt là một lỗ hổng bảo mật cyber-physical.
Nghiên cứu cảnh báo rằng hành vi này có thể né tránh việc giám sát đám mây thông thường, bởi vì hoạt động dường như là công việc tính toán hợp lệ chứ không phải là một hành vi xâm nhập rõ ràng.
Arxiv đã chia sẻ trong một báo cáo với Cyber Security News (CSN) rằng mối đe dọa mạng này có thể hoạt động hoàn toàn thông qua các điều khiển cấp người dùng được ủy quyền.
Điều đó tạo ra một vấn đề khác biệt so với các tấn công mạng truyền thống vào công nghệ vận hành, chẳng hạn như chiến dịch lưới điện Sandworm, vì không yêu cầu thiết bị tiện ích bị xâm nhập. Chiến dịch Sandworm là một ví dụ điển hình về các cuộc tấn công vào cơ sở hạ tầng quan trọng, nhưng Bit2Watt lại hoạt động theo một cơ chế hoàn toàn mới.
Cơ Chế Khai Thác của Mối Đe Dọa Mạng Bit2Watt
Bit2Watt dựa vào việc thao túng tốc độ tiêu thụ điện của GPU. Một kẻ tấn công có quyền truy cập vào một số lượng lớn GPU thuê hoặc GPU doanh nghiệp có thể điều phối các khối lượng công việc.
Điều này khiến hệ thống liên tục chuyển đổi giữa nhu cầu cao và thấp, tạo ra các biến động điện tần số cao.
Các nhà nghiên cứu mô tả hai phương pháp tiếp cận chính để thực hiện mối đe dọa mạng này:
- Tác vụ GPU chuyên biệt: Sử dụng một tác vụ GPU được thiết kế đặc biệt để chuyển đổi điện năng chính xác.
- Ẩn trong pipeline đào tạo LLM: Ẩn cùng một mô hình dao động điện bên trong một pipeline đào tạo mô hình ngôn ngữ lớn (LLM) thông thường, khiến hoạt động đáng ngờ giống như quá trình xử lý AI thường lệ.
Phương pháp thứ hai đặc biệt đáng lo ngại vì người thuê thường kiểm soát các script đào tạo, kích thước batch và lịch trình công việc.
Một người dùng độc hại sẽ không cần quyền quản trị, quyền truy cập firmware hoặc kiểm soát trực tiếp thiết bị điện để tạo ra mô hình tải nguy hiểm này. Đây là một điểm yếu cấu trúc đáng kể đối với an ninh mạng trong môi trường điện toán đám mây AI.
Các Yếu Tố Làm Trầm Trọng Thêm Rủi Ro
Lập lịch đám mây hiện đại cũng có thể đặt các công việc AI liên quan gần nhau để cải thiện hiệu suất.
Sự tiện lợi này có thể tập trung sự tiêu thụ điện của các GPU đồng bộ tại một vị trí, thay vì phân tán các biến động trên một cơ sở rộng hơn và giảm thiểu tác động kết hợp của chúng.
Tác Động Từ Các Kịch Bản Mô Phỏng và Nguy Cơ Watt2Bit
Trong các mô phỏng, các nhà nghiên cứu đã phát hiện ra rằng các khối lượng công việc GPU được phối hợp có thể tạo ra những thay đổi điện áp, nhiễu điện (được gọi là harmonics), và giảm độ giảm chấn của hệ thống.
Trong một mô hình trường hợp xấu nhất, liên quan đến 1.000 GPU và lưới điện cục bộ 1-megawatt với sự thâm nhập năng lượng tái tạo cao, méo hài dòng điện hiện tại đạt tới 46.8%.
Nghiên cứu nhấn mạnh rằng đây là một kịch bản đồng bộ hóa mang tính bảo thủ, chứ không phải là bằng chứng về một sự cố mất điện trong thế giới thực.
Tuy nhiên, nó chứng minh lý do tại sao các nhà điều hành lưới điện và chủ sở hữu trung tâm dữ liệu nên xem xét các khối lượng công việc điện toán cùng với các mối đe dọa mạng truyền thống đối với cơ sở hạ tầng điện.
Tác Động Ngược Lại: Watt2Bit
Tác động cũng có thể quay trở lại môi trường điện toán, mà các tác giả gọi là Watt2Bit.
Căng thẳng điện và nhiệt có thể kích hoạt các cơ chế bảo vệ an toàn, làm gián đoạn các khối lượng công việc GPU, và gây ra tình trạng từ chối dịch vụ (Denial-of-Service – DoS).
Trong khi đó, phát xạ điện từ về mặt lý thuyết có thể trở thành một kênh rò rỉ dữ liệu bí mật.
Chiến Lược Phòng Ngừa và Cải Thiện An Ninh Mạng
Để bảo vệ khỏi mối đe dọa mạng Bit2Watt, các nhà phòng thủ nên kết hợp giám sát khối lượng công việc đám mây với đo lường điện từ xa để phát hiện các mô hình nhu cầu tần số cao bất thường.
Các nhà cung cấp dịch vụ đám mây nên hạn chế đồng bộ hóa khối lượng công việc rủi ro, phân tán các công việc lớn trên các miền điện khác nhau khi có thể, và phối hợp các điều khiển lập lịch với các kỹ sư hệ thống điện.
Những biện pháp này bổ sung cho hướng dẫn rộng hơn về bảo mật hệ thống AI và kiểm thử an ninh mạng cho AI.
