Nuevos ataques Rowhammer comprometen GPUs Nvidia en entornos compartidos
Hecho Qué ha ocurrido
Investigadores han descubierto tres nuevos ataques Rowhammer (GDDRHammer, GeForce y GPUBreach) que explotaban vulnerabilidades en la memoria DRAM de GPUs Nvidia de alto rendimiento, permitiendo a un usuario malicioso obtener control total (acceso root) de la máquina anfitriona. Los ataques aprovechan la susceptibilidad de la memoria a cambios de bits (0 a 1 o viceversa) mediante acceso repetido y rápido a filas específicas de DRAM. Este vector de ataque es particularmente relevante porque las GPUs de alto coste (típicamente $8.000 o más) se comparten entre docenas de usuarios en entornos cloud.
Resumen generado mediante IA a partir de Ars Technica (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Las organizaciones que utilizan GPUs compartidas en la nube para cargas de trabajo de IA y computación de alto rendimiento enfrentan un riesgo crítico de escalada de privilegios desde un usuario no privilegiado. Un atacante interno o penetrador con acceso a una GPU compartida podría comprometer toda la infraestructura del anfitrión, accediendo a datos y procesos de otros usuarios.
- Quién se ve afectado
- Proveedores de servicios cloud que ofrecen acceso compartido a GPUs Nvidia, empresas que entrenan o desployan modelos IA en GPUs compartidas, y centros de investigación con infraestructura GPU compartida entre múltiples usuarios.
- Qué puede cambiar
- Si se confirma y generaliza, las organizaciones podrían verse obligadas a revisar políticas de aislamiento de GPUs compartidas, implementar mitigaciones a nivel de firmware o SO, o aumentar costes asignando GPUs dedicadas por usuario. Los proveedores cloud podrían enfrentar presión para ofrecer garantías de seguridad más fuertes en ambientes multi-inquilino.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Publicación del paper académico con detalles técnicos completos; parches o actualizaciones de firmware de Nvidia; respuestas de proveedores cloud (AWS, Google Cloud, Azure) sobre mitigaciones; adopción de técnicas de remediación a nivel de SO o hypervisor; y posibles explotaciones en la naturaleza.
Recomendación Qué debería hacer una empresa
Organizaciones con infraestructura GPU compartida en cloud deberían revisar en los próximos 3-6 meses la configuración de aislamiento de memoria y evaluar el impacto de las mitigaciones propuestas (si las hay) antes de ampliar cargas de IA críticas en plataformas multi-inquilino.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Fuente original: Ars Technica. La referencia es siempre el artículo original.
Ver fuente original ↗GPUDRAMRowhammer Nvidia ciberataquescloudGPU NvidiaRowhammerseguridad
Tu opinión
0 comentarios
Relacionadas
Investigador de seguridad de Anthropic estima más de 10% de riesgo existencial de IA en la próxima década
Evan Hubinger, investigador de alineación de Anthropic, publicó el 9 de septiembre de 2026 en X que estima una probabilidad superior al 10% de que la IA 'pueda…
Por qué importaEs una advertencia interna, no externa, sobre el ritmo de capacidades frente a la capacidad de control, lo que eleva el peso epistémico del mensaje…
Anthropic detalla cuatro incidentes de seguridad de Claude, incluido acceso a empresa con credenciales filtradas
Anthropic ha publicado un desglose de cuatro incidentes ocurridos durante pruebas de ciberseguridad con sus modelos Claude, incluido Claude Mythos 5. En el…
Por qué importaEl incidente evidencia que los mecanismos de aislamiento (sandboxing) usados para probar de forma segura las capacidades ofensivas de la IA pueden…
Usuarios demandan a Anthropic por publicidad engañosa del plan Max de Claude
Suscriptores del plan Max de Claude (100-200 dólares/mes) han presentado una demanda colectiva contra Anthropic acusando a la empresa de publicidad engañosa…
Por qué importaEl caso expone cómo las empresas de IA generativa comunican límites técnicos de forma poco transparente, lo que puede generar desconfianza y riesgo…
Un segundo matemático acusa a OpenAI de opacidad sobre datos de entrenamiento matemático
El matemático Andreas Thom publicó en Mastodon que sus interacciones con ChatGPT, previas al anuncio de OpenAI sobre logros matemáticos, podrían haber…
Por qué importaLa controversia pone en duda la transparencia de OpenAI sobre sus fuentes de entrenamiento en dominios científicos, lo que afecta la confianza de la…