ハードウェア攻撃「GPUThor」、Nvidia GPUシステムのroot権限奪取が可能に

トロント大学のハードウェアセキュリティ研究者チームが、これまで知られていたGPUメモリへの攻撃を大幅に上回る新たなメモリビットフリップ技術を開発しました。この新手法は、エンタープライズ向けNvidia GPUで採用されているエラー訂正符号(ECC)による防御を突破し、対象システムのroot権限奪取につながる可能性があります。

「GPUThor」と名付けられたこの技術は、最新のランダムアクセスメモリ(RAM)チップのセル密度を悪用するRowhammerと呼ばれる攻撃カテゴリーに分類されます。オリジナルのRowhammer攻撃は2015年にDDR3およびDDR4チップに対して実証されたもので、密集して配置されたメモリセルの行が隣接する行に電荷を漏らし、そのセルに保存されているビット値が0から1へ、あるいはその逆へと反転することがあるという以前からの知見に基づいています。

こうしたビットフリップは、同じメモリ行に対して高速な読み取り操作を繰り返す「row hammering」と呼ばれる手法によって意図的に引き起こすことが可能です。これを制御された形で行えば、権限昇格からAIモデルの改ざんまで、セキュリティ上のさまざまな影響を及ぼし得ます。

これまで研究者たちは、DDR3・DDR4から当初は安全とされていたDDR5、さらにはグラフィックカードで使われるGDDRチップに至るまで、さまざまな種類のメモリを対象としたRowhammer攻撃の亜種を数多く開発してきました。

「GPUThorは、Nvidiaがこの脅威への対策として採用しているエラー訂正符号(ECC)を突破した、Nvidia製GPUに対する初めてのRowhammer攻撃です」と、トロント大学の研究チームは今回の研究を紹介する専用ウェブサイトで述べています。「私たちの以前の研究であるGPUHammer(2025年)は、Nvidia GPUのGDDR6メモリにおけるRowhammerビットフリップを初めて実証し、続く研究であるGPUBreach(2026年)では、CPU上のrootシェル取得に至るまでの権限昇格を示しました。当時Nvidiaは、緩和策としてECCの有効化を推奨していました(Nvidiaセキュリティ通知、2025年)。これまでのGPU攻撃はすべて、ECCを有効にすれば無効化されるものでした」。

GPUThorは何が違うのか

従来のGPUHammerおよびGPUBreach攻撃は、メモリ行のハンマリングを均一に行っていました。そのため、DDR5以降の世代のRAMに搭載されているTarget Row Refresh(TRR)機構が単一ビットのフリップを検知でき、さらにECC機構が有効であればそれを訂正することが可能でした。

GPUThor技術は、GPUのDRAMに対して初めて実用的な非均一row hammeringを可能にするものであり、その結果として2ビット、さらには3ビットのエラー(複数のビットが同時に反転する状態)を引き起こします。これは内蔵のECC機構が対処するように設計されていなかった条件です。GPUThorは従来のGPU攻撃と比べて6.6倍強力にターゲットをハンマリングし、500倍から23,500倍多いビットフリップを発生させます。

また、すべての値の反転がOSによってセンシティブな操作用にマッピングされたメモリ領域で発生するわけではないため、この手法により悪用可能なビットフリップを見つけるまでの時間も短縮されます。ECCが有効になっていないNvidia RTX A6000カードの場合、GPUHammerでは21.9時間を要するのに対し、同じカードでGPUThorを使えばわずか1.1分で済みます。

「私たちは、GDDR6メモリを搭載した4種類の異なるNvidia Ampere GPU、すなわちRTX A4000、A4500、A5000、A6000でビットフリップを確認しました」と研究者らは述べています。「これらはワークステーションやクラウドインスタンスで一般的に使用されています。この攻撃手法は汎用的なものであるため、同様のメモリと防御機構を採用する他のGPUも危険にさらされている可能性があります」。

一方で研究者らは、A100やH100といったNvidiaのサーバー向けGPU、あるいはBlackwellアーキテクチャを採用するRTX 5090やRTX 6000のような新しいGPUについてもテストを行いましたが、これらでは今回の攻撃によるビットフリップは発生しませんでした。これは、これらのカードがHBM、GDDR6X、GDDR7といった異なる、あるいはより新しいタイプのメモリを使用しており、防御機構も異なるためです。研究チームは今後これらのチップについても調査を進める計画であり、これらに対して別の攻撃パターンが存在する可能性を否定してはいません。

なぜこれが重要なのか

AIモデル全盛の時代において、エンタープライズ向けおよびサーバークラスのGPUは、AIモデルの訓練やファインチューニングにも、それらを実行する「推論」にも不可欠であるため、高い価値を持っています。AI用途でなくとも、これらのGPUは通常データセンターに設置され、しばしば複数の仮想マシンから同時にセンシティブなワークロードを実行しています。

今回のテストで研究者らは、GPUを非常に頻繁にクラッシュさせることに成功し、その結果1日以内にカード自身が内部のクラッシュ検知機構によって故障とみなし、交換が必要と判定する事態を引き起こしました。カード上で稼働しているすべてのワークロードを停止させるサービス拒否(DoS)状態を引き起こすだけでなく、研究者らはGPUのメモリページテーブルを破損させることで、権限を持たないプログラムがroot権限まで昇格できる状態を作り出すことにも成功しました。

「GPUがユーザー間で時間分割共有されている場合(クラウドAIサービスでは一般的です)、同じカード上で動作する攻撃者は被害者のデータのビットを反転させ、共有されているGPUをクラッシュさせることができます」と研究者らは述べています。「たとえGPUが時間分割共有されていなくても、GPU上で実行される信頼できないコード(たとえば、侵害されている可能性のあるインターネット経由でダウンロードされたパッケージを必要とする機械学習モデルなど)は、root権限レベルにまで昇格し、マルウェアがシステムに侵入する足がかりとなり得ます」。

緩和策

この攻撃は設計上の欠陥を悪用するものであるため、完全な対策には将来世代のGPUに組み込まれるより優れたハードウェア防御が必要です。しかし、それまでの間、利用者は自身のGPU上で信頼できないコードを実行する際には注意を払うとともに、Nvidiaのエラー訂正カウンターを監視すべきです。これらのカウンターの急増は、攻撃が進行中であることを示す兆候となり得るためです。

GPUThorは4月にNvidiaに報告されており、同社は今週、この攻撃に関する新たなセキュリティアドバイザリを発表しました。このアドバイザリには、対応している場合はホストのIOMMU/DMA分離を有効にすることや、nvidia-smiツールあるいは対応するアウトオブバンド管理インターフェースを使ってカードのECCテレメトリを監視することなど、追加の推奨事項が盛り込まれています。