# gpu
標記為「gpu」的 11 篇文章
攻擊 AI 部署
AI 部署基礎設施的安全評估，包括容器逃逸、GPU 側通道、推論伺服器漏洞以及資源耗盡攻擊。
GPU 叢集攻擊
針對 GPU 叢集的攻擊技術,包含 CUDA 漏洞、記憶體側通道與訓練劫持。
GPU 叢集安全
保護用於模型訓練與推論的 GPU 叢集,抵禦未授權存取與資料外洩。
GPU 記憶體側通道
GPU 記憶體側通道攻擊,包含 L2 快取時序、記憶體殘留與跨租戶洩漏。
GPU 共享與隔離
多租戶 GPU 共享的安全隔離,包含 MIG、MPS 與 vGPU 的威脅模型。
AI 基礎設施利用:概覽
AI 基礎設施利用的完整概覽,涵蓋常見攻擊面、威脅類別與防禦策略。
ML 工作負載的 Kubernetes 安全
ML 工作負載專屬的 Kubernetes 攻擊面分析,包含 GPU Operator 利用、模型服務命名空間攻擊與透過 ML 元件的叢集層級權限提升。
實作：GPU 側通道攻擊
Demonstrate information leakage through GPU memory residuals and timing side channels, showing how shared GPU infrastructure can expose sensitive model data.
AI 的 GPU 安全
AI 工作負載中的 GPU 安全風險——涵蓋記憶體隔離失敗、側通道攻擊、多租戶 GPU 風險、GPU 韌體漏洞與安全 GPU 設定。
GPU Side Channel Basics
GPU-based side channel attacks on ML inference, exploiting timing, power consumption, and memory access patterns to extract information about models and data.
RunPod Serverless GPU Endpoint Testing
End-to-end walkthrough for security testing RunPod serverless GPU endpoints: endpoint enumeration, handler exploitation, webhook security, Docker template assessment, and cost abuse prevention.