一个研究小组在最新的论文中揭示了一种名为Bit2Watt的威胁，攻击者不需要植入恶意软件，也不用入侵电网控制系统，只需利用合法的GPU工作负载，就能让数据中心所属的电力系统陷入紊乱。
这种风险源自大型GPU集群与可再生能源占比很高的电网之间越来越紧密的联系。当大量GPU在重载运算和轻度活动之间突然切换时，由此引发的电力需求变化会穿过数据中心内部设备，进而影响局部电网的稳定。
来自Arxiv的研究人员把Bit2Watt描述为一种“赛博-物理脆弱性”。他们在一份与Cyber Security News（CSN）共享的报告中指出，整个攻击完全可以通过授权用户级别的控制来进行，这构成了一个不同于传统工控攻击的新问题。与导致大范围停电的Sandworm电网攻击事件相比，Bit2Watt不需要攻破任何公用电网设备，却依然能够制造麻烦。
Bit2Watt的核心在于操控GPU功耗变化的速度。一个拥有大量租赁或企业GPU访问权限的攻击者，可以协调工作负载，让系统在高低用电需求之间反复震荡，从而产生高频的电力波动。这种负载模式可以直接伪装在正常的大语言模型训练流水线中，表现为看似常规的AI处理活动，因此普通的云监控手段很难将它识别为异常。
研究人员设计了两种攻击方式：一种是专门编写的GPU任务，用于精确切换功耗；另一种则是将相同的功耗震荡模式隐藏在普通的训练脚本里，通过批量大小和作业调度等租户即可控制的参数来实现。这种方式尤其令人担忧，因为恶意的租户不需要管理员权限、固件访问权，也不需要对电气设备施加直接控制，就能制造出危险的负载模式。另外，现代云调度系统为了提升性能，还可能把相关的AI作业集中部署到同一位置，这会使多块GPU的同步功耗波动效应叠加，进一步放大对电网的冲击。
在仿真环境中，研究人员发现协调的GPU工作负载能够引起电压变化、产生谐波等电气噪声，并降低系统的阻尼特性。在一个涉及1000块GPU和1兆瓦高可再生能源渗透率局部电网的最坏情况模型中，电流谐波失真一度达到46.8%。该研究强调，这是一个保守、同步化的模拟场景，并不代表现实世界中的真实停电事件，但它足以说明电网运营商和数据中心所有者在规划电力基础设施时，有必要将此类计算工作负载视为与传统威胁相当的风险来源。
这种影响反过来还会波及到计算环境本身，对数据中心的设备同样构成威胁。Bit2Watt的存在意味着，AI训练已经从纯粹的算力话题延伸到了物理电网安全的交叉地带，值得整个行业及早关注。
热门跟贴