NVIDIA GA100ダイの電圧グリッチング脆弱性とは

NVIDIA A100の電圧グリッチング脆弱性でマイニングGPUをフルスペックA100化、性能も向上のイメージ画像

NVIDIAのGA100ダイに、電圧グリッチング(VFI)を悪用してeFuseを操作できる脆弱性が発見されました。この脆弱性により、本来は製品セグメンテーションやセキュリティのために使用されるeFuseが、開発者の意図しない方法で「吹き飛ばされる」可能性があります。

通常、eFuseを吹き飛ばすことは機能を制限する方向に働くべきですが、GA100では逆に、特定のeFuseを吹き飛ばすことでより多くの機能やアクセスが有効になる設計上の問題が指摘されています。(Hacker News)

「NVIDIAの設計では、より多くのヒューズを吹き飛ばすことで制限を緩和できるのです!」

この発見は、これまでのソフトウェアによるGA100アンロック研究の延長線上にあり、セキュリティ研究者間で独立して同じ脆弱性が発見された後、NVIDIAの製品セキュリティチームに開示された上で情報が公開されたと説明されています。

CMP 170HXをA100-80G相当に変換する手法

NVIDIA A100の電圧グリッチング脆弱性でマイニングGPUをフルスペックA100化、性能も向上のイメージ画像

この電圧グリッチング手法を用いることで、Ethereumマイニング専用カードであるNVIDIA CMP 170HX(8GB版)を、実質的にA100-80Gへと変貌させることが可能です。CMP 170HXは、製品セグメンテーションの極端な例として知られ、公称8GBまたは10GBのHBMを搭載しているにもかかわらず、実際には約80GBまたは40GBものHBMが物理的にオンボードされています。

これまでのソフトウェアによるアンロックでは、この大容量HBMの一部しか利用できませんでしたが、VFIを用いることで、その隠された容量を最大限に引き出すことができます。(Hacker News)

具体的なアンロック前後の機能比較は以下の通りです。(Hacker News)

SKU アウトオブボックス ソフトウェア (cmpunlocker) GA100VFI
CMP 170HX 8GB
フレームバッファ 8 GB 64 GB 64-80 GB
CMP 170HX 10GB
フレームバッファ 10 GB 40 GB 40-48 GB
両方のCMP
SMs 70 70 120-128
PCIe世代 1 2 4
NVLink なし なし あり
ECC なし なし あり
Multi-Instance GPUs なし なし あり
NVDEC 0 0 5

アンロックされたカードは、小売版のA100が108 SMsに制限されているのに対し、ダイロットに応じて120〜126個の機能するSMsを全て有効化できるため、約1.2倍高速に動作すると報告されています。また、NVLink、PCIe Gen4、ECC、MIG、NVDECといったデータセンター向けA100の主要機能も利用可能になります。(Tom's Hardware)

GA100のeFuseコントローラの仕組み

NVIDIAはGA100ダイをベースに、A100やCMPカードを含む約20種類の異なるSKUを製造しています。製造されたGA100ダイは、本来128個のSMs、12個のFBP、5個のNVDECユニット、PCIe Gen4 x16コントローラを備えています。

NVIDIAは、欠陥テストの結果や市場の需要に応じて、eFuseを使用して歩留まり制御と製品セグメンテーションを行っています。(Hacker News)

eFuseコントローラは、16,384個のeFuse(512行×32ビット)と関連ロジックで構成されています。その役割は、eFuseの読み出しと書き込み、eFuse自体の保護、そしてダイの他の部分に「オプションワード」を提供することです。

これらのオプションワードが、ダイの機能や有効化される機能を決定します。今回の脆弱性は、このeFuse制御メカニズムの安全性が十分でなかったことに起因すると考えられます。

エンジニア目線で見ると:潜在的な利用価値と倫理的側面

この電圧グリッチングによるNVIDIA GA100のアンロックは、技術的には非常に興味深い成果です。特に、AI/LLM開発においてGPUリソースのコストが課題となっている現状で、安価なマイニングカードを高性能A100相当に変換できる可能性は大きな魅力だと感じます。個人プロダクトの開発や、スタートアップの検証環境など、コストを抑えつつ高性能なGPU環境を構築したいケースでは、理論上は非常に有効なアプローチではないでしょうか。

しかし、この手法の実践には多くのハードルが存在します。まず、電圧グリッチングは繊細なハードウェア操作を伴い、失敗すればGPUを損傷させるリスクが高いです。一般のエンジニアが自宅で手軽に行えるようなものではないでしょう。

また、NVIDIAが製品セグメンテーションのために設定した制限を意図的に解除することは、メーカーの保証対象外となるだけでなく、ライセンスや利用規約に抵触する可能性も考慮する必要があります。これは、オープンソースの精神とは異なる、ある種のハッキング行為と捉えられる側面もあるため、個人プロダクトに組み込む前に、法的な側面や倫理的な問題を十分に検討すべきだと考えます。純粋な技術的探求としては素晴らしい成果ですが、実用化には慎重な判断が求められると感じます。