Bit2Watt: A Cyber-Physical Vulnerability Exploiting GPU Workloads Across Power and Computing Infrastructures

Sintesi Tecnica: Bit2Watt – Una vulnerabilità cyber-fisica che sfrutta i carichi di lavoro delle GPU attraverso le infrastrutture di potenza e di calcolo

Definizione del Problema
I moderni data center sono sempre più integrati con risorse energetiche rinnovabili (DER), come il fotovoltaico (PV), creando un sistema cyber-fisico strettamente accoppiato. Mentre la ricerca precedente ha affrontato la sicurezza isolatamente per la rete elettrica o per i sistemi informatici, esiste una lacuna critica riguardante gli avversari che operano come inquilini legittimi all'interno degli ambienti cloud. Il documento postula che azioni puramente computazionali, eseguite tramite carichi di lavoro GPU autorizzati, possano essere trasformate in armi per destabilizzare l'infrastruttura fisica di potenza. Questa vulnerabilità, denominata Bit2Watt, sfrutta l'intrinseco accoppiamento tra le modulazioni di potenza ad alta frequenza delle GPU e la dinamica di controllo dei DER basati su inverter. A differenza degli attacchi tradizionali che compromettono sensori o canali di comunicazione, Bit2Watt opera interamente nel livello cyber, potenzialmente eludendo il monitoraggio di routine sfruttando percorsi di esecuzione legittimi e concentrando comportamenti distintivi nelle componenti ad alta frequenza spesso trascurate dalla telemetria standard.

Metodologia
Gli autori impiegano un approccio multifaccettato che combina modellazione teorica, simulazione e sperimentazione nel mondo reale per convalidare il rischio Bit2Watt e il suo ciclo di feedback, Watt2Bit.

1. Vettori di Attacco (Livello Cyber): Il documento propone due metodi per indurre fluttuazioni di potenza senza privilegi elevati:

   • Attacco di Modulazione del Carico di Lavoro Sintetico (SWMA): Un kernel CUDA personalizzato che alterna tra modalità di calcolo ad alta intensità (saturando gli SM) e stati di idle tramite un flag di controllo nello spazio utente, raggiungendo frequenze di modulazione fino a 6.000 Hz.
   • Attacco di Modulazione dell'Addestramento LLM (LTMA): Incorporare la logica di modulazione in pipeline standard di addestramento di Large Language Model (es. PyTorch, DeepSpeed) manipolando gli iperparametri o i programmi dei batch. Questo camuffa le firme malevole come rumore computazionale legittimo.

2. Modellazione e Analisi Fisica:

   • Modellazione basata sull'impedenza: Il sistema è modellato utilizzando equivalenti di Thévenin e Norton, trattando il cluster di GPU come un Carico di Potenza Costante (CPL) con resistenza incrementale negativa (NIR) e i DER come sorgenti di corrente controllate con impedenze di uscita modellate sulla frequenza.
   • Analisi della stabilità: Gli autori analizzano come le fluttuazioni di corrente indotte dalle GPU interagiscano con i loop di controllo dei DER (PLL, controllori di tensione e di corrente). Dimostrano che le modulazioni ad alta frequenza possono superare la larghezza di banda di risposta dei controlli dei DER, portando ad amplificazione armonica e rapporti di smorzamento negativi.

3. Validazione:

   • Esperimenti Hardware: Test nel mondo reale sono stati condotti su workstation modificate con GPU NVIDIA (RTX 3090, V100, A100) collegate a una rete di test locale dotata di inverter fotovoltaici e sistemi UPS. Le misurazioni hanno catturato le forme d'onda di corrente/tensione e gli spettri armonici.
   • Simulazioni: Sono state eseguite estese simulazioni utilizzando Simulink su un sistema locale da 1 MW e sulle reti di trasmissione IEEE 118-bus e 9241-bus per valutare i rischi di guasto a cascata sotto diverse penetrazioni di DER (fino al 90%).

Contributi Chiave

1. Formalizzazione di Bit2Watt: Il documento definisce una nuova classe di minacce cyber-fisiche in cui i processi computazionali agiscono come sorgenti di eccitazione controllabili che interagiscono con la dinamica del sistema di potenza, stabilendo un legame tra l'orchestrazione del carico di lavoro e l'instabilità della rete.
2. Tecniche di Attacco Innovative: Lo sviluppo di SWMA e LTMA, che raggiungono modulazioni di potenza ad alta frequenza (fino a 6 kHz) utilizzando solo l'accesso a livello utente, eludendo efficacemente i framework di monitoraggio lato cloud.
3. Analisi della Vulnerabilità basata sull'Impedenza: Un rigoroso framework analitico che quantifica come le modulazioni di potenza delle GPU interagiscano con le reti dominate da inverter, rivelando che le fluttuazioni ad alta frequenza possono indurre smorzamento negativo e instabilità di sistema.
4. Ciclo di Feedback Watt2Bit: L'identificazione di un ciclo di auto-rinforzo in cui il degrado della qualità della potenza innesca meccanismi di protezione (sovratemperatura, sovracorrente), portando a Denial of Service (DoS) e potenziale esfiltrazione occulta di informazioni tramite canali laterali EMI.
5. Validazione Empirica: Prove quantitative derivanti sia da simulazioni che da esperimenti reali dimostrano che la manipolazione di una piccola frazione di GPU (es. 1.000 unità in un sistema da 1 MW) può degradare drasticamente la qualità della potenza (THD fino al 46,8%) e innescare guasti a cascata in reti su larga scala.

Risultati

• Degrado della Qualità della Potenza: In una rete locale simulata da 1 MW con il 90% di penetrazione DER, la manipolazione di 1.000 GPU ha elevato la Distorsione Armonica Totale (THD) della corrente al 46,8% e ridotto il rapporto di smorzamento del sistema a -0,27, indicando un regime instabile.
• Instabilità del Sistema: La resistenza incrementale negativa dei cluster di GPU, combinata con l'alta penetrazione dei DER, riduce i margini di stabilità. Le simulazioni sul sistema IEEE 118-bus hanno mostrato che gli attacchi possono causare biforcazione di frequenza, dividendo la rete in cluster oscillatori coerenti.
• Guasti a Cascata: In una simulazione di una rete di trasmissione europea a 9241 bus modificata, un disturbo localizzato (2% del carico totale) ha innescato una cascata a 13 stadi, risultando nella disconnessione di 1.238 linee e una perdita di carico dell'81%.
• Impatti Watt2Bit:
  • DoS: L'aumento della corrente RMS e dello stress termico derivante dalle armoniche può far scattare i relè di protezione (es. IEC 60255 IDMT), causando arresti improvvisi dei server GPU.
  • Esfiltrazione: Gli esperimenti hanno dimostrato che la modulazione dei carichi delle GPU poteva codificare dati binari in canali laterali EMI (usando FSK a 2 kHz e 200 Hz), raggiungendo un'accuratezza di decodifica superiore al 99%.
• Stealthiness (Occultamento): Gli strumenti di monitoraggio cloud standard (NVML, RAPL, BMC) con bassi tassi di campionamento (da 1 Hz a 1 kHz) non riescono a rilevare le firme ad alta frequenza di Bit2Watt, rendendo l'attacco altamente occulto.

Significatività
Il documento sostiene che la convergenza tra infrastrutture di calcolo e di potenza richieda un cambio di paradigma nella sicurezza. La vulnerabilità Bit2Watt evidenzia come i carichi di lavoro computazionali legittimi possano essere sfruttati per destabilizzare le reti elettriche, particolarmente in scenari ad alta penetrazione di DER dove l'inerzia del sistema è bassa e i loop di controllo sono complessi. I risultati sottolineano l'urgenza di difese cross-layer che considerino congiuntamente l'orchestrazione dei carichi di lavoro, la dinamica dell'elettronica di potenza e la stabilità della rete. Gli autori enfatizzano che le misure di sicurezza isolate, sia nel dominio cyber che in quello fisico, sono insufficienti per mitigare questo rischio a ciclo chiuso, invocando strategie di monitoraggio e protezione integrate per i futuri data center integrati con le rinnovabili.