Aller au contenu

TechniquePratique7 min de lecture

Surface d'attaque du HPC IA

Six vecteurs de menace propres aux charges IA sur HPC : chaîne d'approvisionnement, empoisonnement des données, angle mort RDMA, injection de gradients, fuite de mémoire GPU, évasion de conteneur. Et comment les détecter.

Pour : ingénieurs et SRE · architectesPrérequis : Avoir lu le chapitre 3 de la formation.

Scénario illustratif. Une entreprise s’apprête à entraîner son modèle sur un cluster qu’elle partage avec d’autres clients. Avant de signer, son responsable sécurité pose une seule question : « Quand mon job sera terminé, qui pourra lire mes poids ? » La réponse honnête dépend de réglages que beaucoup de sites n’ont jamais vérifiés.

Trois actifs sont en jeu. Les poids du modèle, c’est-à-dire les milliards de paramètres appris pendant l’entraînement, sont de la propriété intellectuelle : ils représentent des semaines de calcul. Les données d’entraînement sont souvent confidentielles. L’infrastructure, enfin, est partagée entre équipes ou entre clients.

Un cluster d’IA présente des risques qu’un centre de données classique n’a pas. Pour fonctionner, le GPU exige des accès privilégiés au noyau du système d’exploitation, ce qui ouvre des surfaces d’attaque nouvelles. Le réseau rapide et le stockage partagé en ajoutent d’autres.

La chaîne d’approvisionnement, d’abord. Un entraînement installe des dizaines de paquets Python depuis PyPI, le dépôt public de la communauté. Un seul paquet piégé suffit : il peut embarquer un noyau CUDA (ici, un petit programme exécuté sur le GPU, à ne pas confondre avec le noyau du système) qui copie les poids en douce.

L’empoisonnement des données vise ce que le modèle apprend. Quelqu’un modifie un fichier sur le stockage partagé entre le moment où on a vérifié son intégrité et celui où le chargeur de données (le DataLoader) le lit. Le modèle apprend alors une porte dérobée : un comportement caché qui se déclenche sur un signal choisi par l’attaquant.

L’angle mort RDMA tient au réseau lui-même ; il est détaillé plus bas.

L’injection de gradients concerne l’entraînement fédéré, où plusieurs participants entraînent un modèle commun sans partager leurs données, en n’envoyant que leurs gradients. Un participant malveillant peut fabriquer des gradients qui glissent une porte dérobée dans le modèle final. On le repère en surveillant la distribution des normes de gradients ou la divergence de Kullback-Leibler (une mesure de l’écart entre deux distributions). On s’en protège par une agrégation robuste, qui limite le poids d’un participant aberrant.

La fuite de mémoire GPU ressemble à une chambre d’hôtel qu’on ne nettoierait pas entre deux clients. La mémoire allouée sur un GPU n’est pas remise à zéro : hors informatique confidentielle, rien ne garantit que le job suivant ne tombe pas sur ce que le précédent y a laissé, poids compris. Les parades passent par l’allocation exclusive, l’effacement ou la réinitialisation du GPU entre deux jobs, MIG (le découpage matériel d’un GPU en plusieurs instances isolées) et l’informatique confidentielle, un mode de fonctionnement qui isole les données de chaque client.

L’évasion de conteneur, enfin. Les jobs tournent dans des conteneurs, des boîtes isolées qui embarquent leur logiciel. Le NVIDIA Container Toolkit, qui donne aux conteneurs l’accès aux GPU, a connu plusieurs failles permettant à une image malveillante de sortir de sa boîte pour atteindre la machine hôte. Ces failles sont recensées sous un numéro CVE (le registre public des vulnérabilités) et notées par un score CVSS sur 10. La plus récente est une situation de compétition de type TOCTOU (time of check, time of use) : le système vérifie une ressource, puis l’utilise un instant plus tard ; l’attaquant la remplace entre les deux. Le GPU Operator est le composant qui installe ce toolkit sur Kubernetes.

Le tableau sert de référence, avec les versions corrigées.

VecteurScénarioDétection et parade
Chaîne d’approvisionnement (PyPI)un paquet Python embarque un noyau CUDA malveillant qui exfiltre les poids pendant la passe arrièreregistre privé, empreinte de chaque dépendance, installation verrouillée
Empoisonnement des donnéesun fichier est modifié sur Lustre entre la vérification d’intégrité et sa lecture par le DataLoader, pour insérer une porte dérobéeempreinte SHA-256 par fragment, vérifiée au moment de la lecture
Angle mort RDMAlecture de la mémoire d’un pair via RDMA ; ce trafic contourne le noyau, aucun pare-feu, IDS ou iptables ne le voitmétriques d’anomalie InfiniBand, référence comportementale, isolation par partitions (P_Key)
Injection de gradientsen entraînement fédéré, des gradients fabriqués introduisent une porte dérobée dans le modèle finaldistribution des normes de gradients, divergence de Kullback-Leibler, agrégation robuste
Fuite de mémoire GPUla documentation CUDA indique que la mémoire allouée n’est pas initialisée ; hors mode d’informatique confidentielle, rien ne garantit qu’un job ne relise pas des données laissées par le précédent, poids comprisGPU alloués en exclusivité à un job ; effacement explicite de la mémoire ou réinitialisation du GPU (nvidia-smi --gpu-reset, sans processus actif) dans le prolog ou l’epilog ; partitionnement MIG pour les GPU partagés simultanément ; mode d’informatique confidentielle (Hopper et suivants), où la réinitialisation efface la mémoire avant de confier le GPU au client suivant
Évasion de conteneurfailles du NVIDIA Container Toolkit : CVE-2024-0132 (corrigée en 1.16.2), son contournement CVE-2025-23359 (corrigé en 1.17.4), puis CVE-2025-23266, dite NVIDIAScape (CVSS 9.0, corrigée en 1.17.8) et CVE-2026-24260, une situation de compétition entre vérification et utilisation (TOCTOU, CVSS 8.5, publiée le 1er juillet 2026, toolkit jusqu’à 1.19.0 inclus et GPU Operator jusqu’à 26.3.1 inclus, corrigée en 1.19.1 et 26.3.2) ; une image malveillante peut atteindre le nœud hôte et toutes les chargestoolkit en version 1.19.1 au minimum et GPU Operator en version 26.3.2 au minimum, suivi des bulletins de sécurité NVIDIA, règles Falco, politique d’appels système Tetragon

Sources : notes de version du NVIDIA Container Toolkit, NVD, CVE-2025-23266, NVD, CVE-2026-24260, bulletin de sécurité NVIDIA 5850 (juin 2026) et, pour l’effacement de la mémoire en mode confidentiel, ACM Queue, « Creating the First Confidential GPUs » (repris dans Communications of the ACM).

Les six chemins mènent au même endroit :

flowchart LR
  W(("Poids du modèle<br/>propriété intellectuelle"))
  A["Chaîne d'appro. PyPI"] --> W
  B["Empoisonnement Lustre"] --> W
  C["Angle mort RDMA"] --> W
  D["Injection de gradients"] --> W
  E["Fuite de mémoire GPU"] --> W
  F["Évasion de conteneur"] --> W

Le RDMA (Remote Direct Memory Access) permet à une carte réseau d’écrire ou de lire directement dans la mémoire d’une autre machine, sans passer par le noyau. Imaginez un coursier qui aurait la clé de tous les bureaux et y déposerait les dossiers lui-même, sans passer par l’accueil. C’est ce qui rend InfiniBand si rapide. C’est aussi ce qui le rend invisible aux outils de sécurité classiques, y compris eBPF, puisqu’ils s’appuient sur les points d’accroche du noyau : pare-feu, IDS (système de détection d’intrusion) ou iptables ne voient rien passer.

La seule visibilité vient des compteurs de la carte réseau et du subnet manager, le logiciel qui gère le réseau InfiniBand. Il faut donc établir une référence de trafic par job et alerter sur les écarts. Les partitions InfiniBand, identifiées par une clé (la P_Key), isolent en plus les jobs les uns des autres.

Quatre sources d’information couvrent ces risques. Falco détecte en temps réel les accès suspects à des fichiers, les connexions inattendues et les modifications de binaires. Tetragon applique des politiques d’appels système par processus et bloque les ioctl CUDA (les appels directs au pilote du GPU) et les appels réseau non autorisés. Les métriques InfiniBand sont le seul signal disponible sur le trafic RDMA. Les empreintes de données, enfin, vérifient l’intégrité des fragments au moment de la lecture.

Révisé le 2 octobre 2026 : CVE-2025-23359, CVE-2025-23266 et CVE-2026-24260 ajoutées, version minimale du toolkit relevée à 1.19.1 et du GPU Operator à 26.3.2, parades contre la fuite de mémoire GPU précisées (réinitialisation ou effacement, MIG, informatique confidentielle).