近期，多伦多大学的一项研究成果揭示了GPU安全领域的新威胁——GPUHammer攻击。这一攻击手段针对英伟达GPU，能够显著降低在其上运行的大型深度学习模型的准确性，从原本的80%骤降至微不足道的0.02%。该攻击的核心在于通过不断对显存进行“敲击”，诱导比特翻转，进而直接篡改深度学习模型中的权重指数位。
据悉，多伦多大学的研究团队已在英伟达RTX A6000型号的GPU上成功验证了GPUHammer攻击的有效性。同时，他们警告称，其他型号的英伟达GPU也可能面临同样的安全风险。这一发现无疑给依赖GPU进行高性能计算的领域敲响了警钟。
面对这一新型攻击，英伟达官方迅速给出了初步防御建议。公司建议用户启用系统级纠错码（ECC）技术，以增强对显存错误的检测和纠正能力。然而，这一措施并非没有代价，据英伟达透露，启用ECC可能会导致模型性能下降约10%。这对于追求极致性能的计算任务来说，无疑是一个需要权衡的考量。
