GPUHammer: pesquisadores da Universidade de Toronto mostram que um novo ataque a GPUs pode reduzir a precisão de modelos de IA em nuvem de ~80% para 0,01% 😳🧵

Imagem indisponível

O ataque é uma variação do Rowhammer — antes associado a CPUs — agora capaz de explorar a memória GDDR das placas de vídeo. Apps maliciosos disparam interferências que "flipam" bits na memória usada por modelos de IA na GPU.

Por que isso é grave? GPUs executam inferência e treino em larga escala. Se pesos ou ativações forem corrompidos, o modelo passa a gerar resultados aleatórios: resposta confiável vira praticamente ruído. Cenário crítico para serviços em nuvem.

Imagem indisponível

Os autores — citando o professor Gu — demonstraram queda de ~80% para 0,01% de acurácia em testes. Isso afeta desde APIs de geração de conteúdo até sistemas sensíveis (saúde, segurança). A centralização em provedores de nuvem amplia o risco.

Mitigações possíveis: memória ECC nas GPUs, isolamento mais rígido entre workloads na nuvem, detecção de corrupção em tempo real e auditorias de integridade de modelos. Também é hora de provedores publicarem ações e padrões de segurança.

Imagem indisponível

Reflexão final: a confiança na IA depende tanto do software quanto do hardware. Segurança de memória em GPUs é problema técnico — mas também de governança: transparência, padrões e acesso equitativo a mitigação importam para evitar que só grandes players se protejam.