13、GPU 溢出漏洞研究与异构平台多流应用分析

GPU 溢出漏洞研究与异构平台多流应用分析

1. GPU 溢出漏洞研究

1.1 溢出问题与挑战

在多个内核并发运行的环境中，确保系统安全是一项艰巨的任务。栈和堆的溢出问题可能会被恶意利用，而边界检查虽然可以防止溢出，但频繁在运行时调用会带来显著的性能开销。此外，整数溢出还可能被用来绕过边界检查。

1.2 现有检测工具的局限性

CUDA - MEMCHECK 能够识别 GPU 代码中内存访问错误的来源和原因，在实验中可以检测到所有与堆相关的溢出。然而，它无法识别栈溢出，并且运行时开销较大，不适合在生产环境中部署。

1.3 应对策略

为了全面防范这些潜在攻击，需要多方面的解决方案。可以设计独立或混合的动态和静态分析方法来检测内存和整数溢出。理想情况下，这些保护措施应由 GPU 平台的底层系统（如运行时系统、编译器或硬件）来实现。

1.4 GPU 安全相关问题

在云环境中使用 GPU 有诸多好处，但也存在安全隐患。例如，GPU 内存中的数据可能被其他进程获取，浏览器渲染网页时可能导致信息泄露，虚拟化和云环境中 GPU 存在信息泄露风险等。不过，现有的 GPU 安全研究较少考虑在 CPU 上广泛研究的漏洞。

1.5 研究结论

通过一系列实验，确认了栈和堆溢出的存在，还揭示了整数溢出如何用于覆盖结构体中的函数指针。虽然在当前 CUDA 平台上直接利用这些潜在漏洞不可行，但在为未来 GPU 平台开发应用时必须谨慎。希望这项研究能揭示 GPU 的实际安全问题，并激发相关领域的未来研究。

1.6 表格：GPU 安全相