NVIDIA CUDA Toolkit堆溢出漏洞暴露GPU云共享模型的根本架构缺陷

核心要点有三个：第一，攻击路径PTX代码→NVVM编译器→GPU驱动→主机内核是完整的权限提升链，从用户态AI代码一路打到内核态，这在GPU云环境中意味着跨租户逃逸。第二，当前GPU云服务（AWS P/G5实例、GCP A100/H100实例、Azure ND系列）的隔离模型依赖NVIDIA驱动层，CUDA Toolkit漏洞直接打破这一隔离层。与2010年代初期容器安全漏洞（如Docker逃逸）的类比高度相关——隔离依赖软件层而非硬件层是已知的架构风险。第三，Pwn2Own首次将AI/ML纳入攻击类别，标志着AI基础设施安全从学术讨论进入实战攻防阶段，LiteLLM被攻破三次说明AI网关类产品的安全成熟度严重滞后。