Una nueva amenaza denominada Bit2Watt demuestra cómo los procesos de entrenamiento de IA podrían ser manipulados para desestabilizar los sistemas eléctricos de los centros de datos. En lugar de utilizar malware, un atacante podría emplear cargas de trabajo legítimas de GPU para generar oscilaciones rápidas y repetitivas en la demanda de electricidad, aprovechando la creciente conexión entre la infraestructura de IA y la red eléctrica.

Una nueva amenaza de investigación llamada Bit2Watt muestra cómo los trabajos de entrenamiento de IA podrían utilizarse abusivamente para interrumpir los sistemas eléctricos que soportan los centros de datos.

En lugar de instalar malware o irrumpir en los controles de la red, un atacante podría utilizar cargas de trabajo de GPU legítimas para crear oscilaciones rápidas y repetitivas en la demanda de electricidad.

El riesgo surge de la creciente conexión entre los grandes clústeres de GPU y las redes eléctricas con gran carga de energías renovables.

Cuando muchas GPU pasan abruptamente de un cómputo pesado a una actividad más ligera, los cambios de potencia resultantes pueden viajar a través del equipo del centro de datos y afectar la estabilidad de la red local.

Investigadores de Arxiv identificaron el problema en un artículo describiendo a Bit2Watt como una vulnerabilidad ciber-física.

El estudio advierte que este comportamiento puede evadir la monitorización habitual de la nube porque la actividad parece ser un trabajo de computación válido en lugar de una intrusión obvia.

Arxiv dijo en un informe  que la amenaza puede operar enteramente a través de controles autorizados a nivel de usuario.

Esto crea un problema diferente al de los ataques convencionales a la tecnología operativa, como la campaña de la red eléctrica de Sandworm, ya que no se requiere el compromiso de ningún dispositivo de servicios públicos.

Podrían convertir los trabajos de entrenamiento de IA en armas

Bit2Watt se basa en manipular la rapidez con la que las GPU consumen energía. Un atacante con acceso a un gran número de GPU alquiladas o empresariales podría coordinar las cargas de trabajo para que los sistemas cambien repetidamente entre una demanda alta y baja, produciendo fluctuaciones eléctricas de alta frecuencia.

Los investigadores describen dos enfoques. Uno utiliza una tarea de GPU especialmente diseñada para el cambio preciso de energía, mientras que el otro oculta el mismo patrón dentro de un flujo de entrenamiento de un modelo de lenguaje grande normal, haciendo que la actividad sospechosa se parezca al procesamiento rutinario de IA.

Este segundo enfoque es especialmente preocupante porque los inquilinos normalmente controlan los scripts de entrenamiento, los tamaños de lote y las programaciones de trabajos.

Un usuario malintencionado no necesitaría derechos de administrador, acceso al firmware ni control directo del equipo eléctrico para crear el patrón de carga peligroso.

La programación moderna de la nube también puede colocar trabajos de IA relacionados muy cerca unos de otros para mejorar el rendimiento.

Esa conveniencia podría concentrar la demanda de energía de GPU sincronizadas en un solo lugar, en lugar de distribuir las fluctuaciones en una instalación más amplia y reducir su efecto combinado.

De la distorsión de energía a los apagones

En las simulaciones, los investigadores descubrieron que las cargas de trabajo de GPU coordinadas podrían crear cambios de voltaje, ruido eléctrico conocido como armónicos y una reducción del amortiguamiento del sistema.

En un modelo del peor escenario que involucraba 1.000 GPU y una red local de 1 megavatio con alta penetración de renovables, la distorsión armónica de la corriente alcanzó el 46,8 por ciento.

El estudio subraya que este es un escenario sincronizado y conservador, más que una evidencia de un apagón en el mundo real.

Aun así, demuestra por qué los operadores de red y los propietarios de centros de datos deberían considerar las cargas de trabajo de computación junto con las amenazas tradicionales a la infraestructura eléctrica.

El impacto también podría regresar al entorno informático en lo que los autores llaman Watt2Bit.

El estrés eléctrico y el calor pueden activar protecciones de seguridad, interrumpir las cargas de trabajo de las GPU y provocar condiciones de denegación de servicio, mientras que las emisiones electromagnéticas podrían, teóricamente, convertirse en un canal encubierto de fuga de datos.

Los defensores deben combinar la monitorización de la carga de trabajo de la nube con telemetría eléctrica que pueda detectar patrones de demanda inusuales de alta frecuencia.

Los proveedores deben limitar la sincronización de cargas de trabajo riesgosas, distribuir los trabajos grandes a través de dominios de energía donde sea práctico y coordinar los controles de programación con ingenieros de sistemas eléctricos, complementando la guía más amplia sobre la seguridad de los sistemas de IA y las pruebas de seguridad de la IA.