北京
一群安全研究人员提出了一个让人警醒的假设：云服务的普通租户，不需要利用任何漏洞，不需要植入任何恶意软件，仅凭合法租用的GPU算力，就能对数据中心的供电网络造成实质性威胁。
这一名为Bit2Watt的攻击方法由三位浙江大学的学者在一篇论文中提出，该论文已被国际密码研究学会(IACR)的硬件安全会议CHES 2026收录。他们的证据来自两条路径：在真实GPU上测量到的功耗调制数据，以及基于此数据模拟出的电网失稳效应。
整个逻辑反转了人们对电网攻击的传统认知。这里没有传感器被挟持，没有控制系统被注入恶意代码，运维人员的登录凭证也没有丢失。一切仅仅源于一份被蓄意设计成“行为不端”的计算工作负载。
核心原理植根于一个简单的物理事实：GPU的瞬间功耗，会忠实地跟随它正在执行的指令类型而变化。当计算任务占满张量核心，电流会瞬间飙升；一旦任务切换为空闲状态，电流又急剧跌落。如果攻击者按照一个精心规划的时间表，在这两种状态之间高速切换，那么最终能在机房的墙壁插座上观测到一种人为可控的功耗振荡。
研究团队将这个问题提炼为一句直白的话：纯粹的、以合法负载形式执行的计算行为，是否有可能被武器化，进而动摇电力基础设施？整篇论文，就是他们对这个问题的回答。
他们拆解出两种具体的实施路径。第一种方法被称作SWMA，需要向云端上传一个专门编写的CUDA内核。这个内核会在一段高强度的计算模式与几乎空闲的模式之间疯狂翻转。一台主机端的控制器负责设定这个切换的节拍，并通过一块利用标准API接口分配的“统一内存”区域中的标志位，来触发每一次状态改变。这其中用到的，全是再常规不过的开发工具。
在受测GPU上，这种人工合成的负载制造出的功耗波动分量，覆盖了从约1.5 kHz直冲到6 kHz的频段。特别是在一张消费级的RTX 4090上，调制效果达到顶峰。这个频率，远远超过空调启动时给家庭电网带来的那种几赫兹级别的负荷摆动。值得注意的是，同样的效果不止出现在游戏显卡上。在A100、Tesla V100这类数据中心级GPU上，功耗调制同样成立。当然，这种定制的内核及其紧密的轮询循环，也为云服务商留下了指纹识别的空间。
真正令运营者忧虑的，是第二种被标记为LTMA的方法。它不再依赖一个人造的、行为反常的内核，而是把功耗调制隐藏在一次真实的LLM训练任务之中。攻击者通过动态调整超参数，并在训练循环里插入辅助运算，就能够在丝毫不中断训练过程的前提下，推动计算负载周期性地起伏。
LTMA的控制精度相比SWMA要粗糙一些，波动的上限受限于训练循环本身的迭代速度。其制造的振荡频率也相对更低，大致落在1.2 kHz到3 kHz区间。但它的危险性恰恰在此：它能够制造出幅度更大的功耗波动，而这些波动完美地淹没在正常训练产生的功耗噪声里。对于安全检测系统来说，这显然比一个独立的异常内核更难被标记。这两种方法都不需要任何提权操作，因为租户天然就对自己的训练脚本和任务调度拥有完整的控制权。
前面提到的，都只是单张GPU的测试数值。真正的威胁只有当这些GPU被规模化组织起来时才会显现。论文模拟了一个最具破坏性的极端场景：在一个由分布式能源主导的1兆瓦本地电网模型中，上千张GPU被一个信号指挥着，以精确同步的步调一起发动功耗调制。
在这个最坏情况的仿真中，电流的总谐波畸变率(THD)被推高到了46.8%，这个数字无情地碾过了论文作为参考基准的IEC 61000-3-12标准所规定的13%的指导限值。这意味着，由屋顶太阳能板和储能电池这类愈发普及的分布式资源构成的现代本地电网，在面对海量算力集群步调一致的功耗振荡时，其电能质量可能会被扰乱的相当脆弱。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
