Duy Linh
Writer
Bit2Watt là một dạng tấn công mạng vật lý mới được công bố, khai thác các tác vụ trí tuệ nhân tạo (AI) và bộ xử lý đồ họa (GPU) trong các trung tâm dữ liệu hiện đại để tạo ra tác động lên lưới điện lân cận. Thay vì xâm nhập trực tiếp vào hạ tầng lưới điện, phương thức này biến chính hạ tầng điện toán thành một bề mặt tấn công có khả năng ảnh hưởng đến sự ổn định của hệ thống điện.
Các phép đo trên bộ tăng tốc NVIDIA cho thấy công suất GPU có thể thay đổi trong khoảng thời gian dưới một mili giây. Một GPU NVIDIA Volta V100 hoặc các dòng RTX có thể chuyển nhanh từ trạng thái tải thấp lên gần mức công suất thiết kế tối đa (TDP). Trong các trung tâm dữ liệu quy mô lớn, nơi có hàng chục nghìn GPU cùng hoạt động và được hỗ trợ bởi hệ thống điện mặt trời cùng pin dự phòng, các biến động này có thể trở thành yếu tố đáng chú ý.
Mức tiêu thụ điện năng tức thời của một GPU NVIDIA Volta V100 (Nguồn: Arxiv).
Kiến trúc này khiến sự ổn định của hệ thống phụ thuộc nhiều hơn vào các vòng điều khiển và tương tác trở kháng thay vì quán tính đồng bộ truyền thống, từ đó hình thành một bề mặt tấn công mới.
Bit2Watt giả định kẻ tấn công chỉ là một khách hàng đám mây hoàn toàn hợp pháp, thuê số lượng lớn GPU để chạy các tác vụ AI hoặc tính toán hiệu năng cao (HPC). Đối tượng không cần xâm nhập vào thiết bị của lưới điện, hệ thống OT hay nền tảng điều khiển đám mây.
Thay vào đó, chúng điều khiển mức tiêu thụ điện của GPU thông qua việc thay đổi khối lượng công việc, biến GPU thành nguồn kích thích có thể kiểm soát nhằm tạo ra các dao động dòng điện tần số cao tại giao diện điện của trung tâm dữ liệu.
Nghiên cứu mô tả hai kỹ thuật chính gồm:
Ở cấp độ phần cứng, các mô-đun điều chỉnh điện áp trên GPU vẫn giữ điện áp lõi gần như không đổi. Vì vậy, dao động công suất do tải tính toán tạo ra sẽ xuất hiện ở phía nguồn dưới dạng biến đổi dòng điện rất nhanh, hình thành tải công suất không đổi với đặc tính điện trở gia tăng âm.
Trong mô hình trở kháng, lưới điện địa phương nhiều nguồn DER được mô phỏng như một nguồn Thévénin, còn cụm GPU được biểu diễn như một tải công suất không đổi kết hợp với bộ tiêu thụ dòng điện được điều khiển bằng khối lượng công việc tại điểm kết nối chung.
Các thí nghiệm và phép quét trở kháng trên bộ biến tần của hệ thống điện mặt trời ghi nhận các đỉnh cộng hưởng tần số cao rõ rệt. Đồng thời, thử nghiệm thực tế trên cụm khoảng 100 GPU cũng xác nhận hiện tượng tải công suất không đổi và đặc tính điện trở âm khi xảy ra sụt áp hoặc tăng áp có chủ đích.
Kiến trúc hệ thống cấp điện điển hình trong các trung tâm dữ liệu hiện đại (Nguồn: Arxiv).
Việc điều biến dòng điện tần số cao từ các GPU được đồng bộ có thể kích thích cộng hưởng trong các vòng điều khiển của nguồn DER và bộ lọc lưới điện, làm suy giảm chất lượng điện năng thông qua dao động điện áp, méo sóng hài và giảm khả năng giảm chấn của hệ thống trong điều kiện lưới điện yếu.
Sóng hài bậc cao cùng hệ số đỉnh lớn làm tăng dòng điện RMS và ứng suất nhiệt đối với UPS, SPS và VRM. Điều này có thể kích hoạt cơ chế bảo vệ quá nhiệt hoặc quá dòng, khiến tải tính toán bị cắt giảm đột ngột và dẫn đến tình trạng từ chối dịch vụ (DoS) trên các cụm AI.
Ngoài nguy cơ ảnh hưởng đến tính sẵn sàng của hệ thống, cùng cơ chế điều biến này còn có thể trở thành kênh rò rỉ thông tin. Dữ liệu bí mật có thể được mã hóa vào tần số hoặc biên độ điều biến rồi giải mã thông qua nhiễu điện từ (EMI) hoặc dấu vết công suất thu được tại giao diện điện, biến các dao động ở mức watt thành kênh rò rỉ thông tin ở mức bit.
Kết quả thí nghiệm phần cứng (Nguồn: Arxiv).
Mô phỏng trên hệ thống điện cục bộ công suất 1 MW, tương đương một khu vực tập trung nhiều trung tâm dữ liệu như Bắc Virginia, cho thấy việc điều khiển phối hợp từ hàng trăm đến hàng nghìn GPU có thể khiến hệ thống vượt quá các ngưỡng tiêu chuẩn về chất lượng và ổn định điện năng, đặc biệt khi tỷ lệ nguồn năng lượng phân tán (DER) cao.
Khi mức thâm nhập DER dưới 90%, tổng méo hài dòng điện đạt khoảng 46,8% với 1.000 GPU được đồng bộ, vượt xa giới hạn khuyến nghị của tiêu chuẩn IEC 61000-3-12. Đồng thời, hệ số giảm chấn chuyển sang giá trị âm, báo hiệu sự khởi phát của hiện tượng mất ổn định dao động.
Các nghiên cứu tiếp theo trên mô hình truyền tải điện IEEE 118 bus cũng cho thấy hiện tượng phân nhánh tần số thành nhiều vùng đồng bộ sau khi vượt các ngưỡng này, minh họa rằng một trung tâm dữ liệu AI cục bộ có thể tạo ra các dao động trên phạm vi rộng hơn.
Nghiên cứu kết luận rằng việc thuê GPU theo yêu cầu với chi phí thấp, các bộ lập lịch nhận biết cấu trúc mạng để bố trí GPU cùng vị trí trong một giá đỡ và các dịch vụ đồng bộ thời gian trên nền tảng đám mây đã vô tình tạo điều kiện cho việc tập trung sức mạnh tấn công cả về không gian lẫn thời gian.
Các phép đo trên bộ tăng tốc NVIDIA cho thấy công suất GPU có thể thay đổi trong khoảng thời gian dưới một mili giây. Một GPU NVIDIA Volta V100 hoặc các dòng RTX có thể chuyển nhanh từ trạng thái tải thấp lên gần mức công suất thiết kế tối đa (TDP). Trong các trung tâm dữ liệu quy mô lớn, nơi có hàng chục nghìn GPU cùng hoạt động và được hỗ trợ bởi hệ thống điện mặt trời cùng pin dự phòng, các biến động này có thể trở thành yếu tố đáng chú ý.
Bit2Watt khai thác GPU để tạo dao động điện
Theo nghiên cứu trên Arxiv, các trung tâm dữ liệu AI siêu quy mô tập trung lượng tải GPU lên tới hàng chục megawatt, kết nối trực tiếp với lưới điện địa phương có nhiều nguồn năng lượng phân tán (DER) và chủ yếu sử dụng các bộ biến tần thông qua UPS, PDU cùng bộ nguồn chuyển mạch.
Mức tiêu thụ điện năng tức thời của một GPU NVIDIA Volta V100 (Nguồn: Arxiv).
Kiến trúc này khiến sự ổn định của hệ thống phụ thuộc nhiều hơn vào các vòng điều khiển và tương tác trở kháng thay vì quán tính đồng bộ truyền thống, từ đó hình thành một bề mặt tấn công mới.
Bit2Watt giả định kẻ tấn công chỉ là một khách hàng đám mây hoàn toàn hợp pháp, thuê số lượng lớn GPU để chạy các tác vụ AI hoặc tính toán hiệu năng cao (HPC). Đối tượng không cần xâm nhập vào thiết bị của lưới điện, hệ thống OT hay nền tảng điều khiển đám mây.
Thay vào đó, chúng điều khiển mức tiêu thụ điện của GPU thông qua việc thay đổi khối lượng công việc, biến GPU thành nguồn kích thích có thể kiểm soát nhằm tạo ra các dao động dòng điện tần số cao tại giao diện điện của trung tâm dữ liệu.
Nghiên cứu mô tả hai kỹ thuật chính gồm:
- SWMA (Synthetic Workload Modulation Attack) sử dụng các nhân CUDA chuyển đổi liên tục giữa trạng thái tải tính toán cực cao và trạng thái gần như nhàn rỗi theo lịch trình do máy chủ điều khiển.
- LTMA (LLM Training Modulation Attack) nhúng cơ chế điều biến ngay trong quá trình huấn luyện mô hình ngôn ngữ lớn bằng cách điều chỉnh kích thước lô dữ liệu, các phép toán phụ trợ hoặc siêu tham số.
Ở cấp độ phần cứng, các mô-đun điều chỉnh điện áp trên GPU vẫn giữ điện áp lõi gần như không đổi. Vì vậy, dao động công suất do tải tính toán tạo ra sẽ xuất hiện ở phía nguồn dưới dạng biến đổi dòng điện rất nhanh, hình thành tải công suất không đổi với đặc tính điện trở gia tăng âm.
Trong mô hình trở kháng, lưới điện địa phương nhiều nguồn DER được mô phỏng như một nguồn Thévénin, còn cụm GPU được biểu diễn như một tải công suất không đổi kết hợp với bộ tiêu thụ dòng điện được điều khiển bằng khối lượng công việc tại điểm kết nối chung.
Các thí nghiệm và phép quét trở kháng trên bộ biến tần của hệ thống điện mặt trời ghi nhận các đỉnh cộng hưởng tần số cao rõ rệt. Đồng thời, thử nghiệm thực tế trên cụm khoảng 100 GPU cũng xác nhận hiện tượng tải công suất không đổi và đặc tính điện trở âm khi xảy ra sụt áp hoặc tăng áp có chủ đích.
Kiến trúc hệ thống cấp điện điển hình trong các trung tâm dữ liệu hiện đại (Nguồn: Arxiv).
Việc điều biến dòng điện tần số cao từ các GPU được đồng bộ có thể kích thích cộng hưởng trong các vòng điều khiển của nguồn DER và bộ lọc lưới điện, làm suy giảm chất lượng điện năng thông qua dao động điện áp, méo sóng hài và giảm khả năng giảm chấn của hệ thống trong điều kiện lưới điện yếu.
Nguy cơ lan ngược tới trung tâm dữ liệu
Các tác giả tiếp tục mở rộng mô hình thành kịch bản Watt2Bit, trong đó các nhiễu loạn từ lưới điện lan ngược trở lại trung tâm dữ liệu, gây áp lực lên hệ thống cấp điện và GPU.Sóng hài bậc cao cùng hệ số đỉnh lớn làm tăng dòng điện RMS và ứng suất nhiệt đối với UPS, SPS và VRM. Điều này có thể kích hoạt cơ chế bảo vệ quá nhiệt hoặc quá dòng, khiến tải tính toán bị cắt giảm đột ngột và dẫn đến tình trạng từ chối dịch vụ (DoS) trên các cụm AI.
Ngoài nguy cơ ảnh hưởng đến tính sẵn sàng của hệ thống, cùng cơ chế điều biến này còn có thể trở thành kênh rò rỉ thông tin. Dữ liệu bí mật có thể được mã hóa vào tần số hoặc biên độ điều biến rồi giải mã thông qua nhiễu điện từ (EMI) hoặc dấu vết công suất thu được tại giao diện điện, biến các dao động ở mức watt thành kênh rò rỉ thông tin ở mức bit.
Kết quả thí nghiệm phần cứng (Nguồn: Arxiv).
Mô phỏng trên hệ thống điện cục bộ công suất 1 MW, tương đương một khu vực tập trung nhiều trung tâm dữ liệu như Bắc Virginia, cho thấy việc điều khiển phối hợp từ hàng trăm đến hàng nghìn GPU có thể khiến hệ thống vượt quá các ngưỡng tiêu chuẩn về chất lượng và ổn định điện năng, đặc biệt khi tỷ lệ nguồn năng lượng phân tán (DER) cao.
Khi mức thâm nhập DER dưới 90%, tổng méo hài dòng điện đạt khoảng 46,8% với 1.000 GPU được đồng bộ, vượt xa giới hạn khuyến nghị của tiêu chuẩn IEC 61000-3-12. Đồng thời, hệ số giảm chấn chuyển sang giá trị âm, báo hiệu sự khởi phát của hiện tượng mất ổn định dao động.
Các nghiên cứu tiếp theo trên mô hình truyền tải điện IEEE 118 bus cũng cho thấy hiện tượng phân nhánh tần số thành nhiều vùng đồng bộ sau khi vượt các ngưỡng này, minh họa rằng một trung tâm dữ liệu AI cục bộ có thể tạo ra các dao động trên phạm vi rộng hơn.
Nghiên cứu kết luận rằng việc thuê GPU theo yêu cầu với chi phí thấp, các bộ lập lịch nhận biết cấu trúc mạng để bố trí GPU cùng vị trí trong một giá đỡ và các dịch vụ đồng bộ thời gian trên nền tảng đám mây đã vô tình tạo điều kiện cho việc tập trung sức mạnh tấn công cả về không gian lẫn thời gian.
Được phối hợp thực hiện bởi các chuyên gia của Bkav,
cộng đồng An ninh mạng Việt Nam WhiteHat
và cộng đồng Khoa học công nghệ VnReview
