基建弱點｜AI數據中心規格大不同　十大安全漏洞曝光

AI 是科技界增長最快的領域，但在背後支撐其運作的數據中心，卻與傳統數據中心有很大分別。AI 數據中心不單耗電量驚人，而且亦有完全不同的新架構及數據傳輸規格。現實情況是在市場需求急升的情況下，不少建造商都要全力趕工興建。最近就有安全機構發表研究報告，指建造商未必真正明白 AI 數據中心與傳統版本有何分別，結果興建出來的新設施便直接曝露在網絡攻擊的風險之中。

AI 數據中心似共享辦公室

到底傳統數據中心與 AI 數據中心有什麼不同？傳統數據中心的架構就像傳統貨倉，內裏有一排排獨立儲物櫃，各自存放不同客戶的貨物，由於客戶已知，因此可在可控的基礎設施下運作。相反 AI 數據中心卻像共享辦公室，租戶來自五湖四海，但卻共用同一組硬件，一旦其中一個環節出事，全條生產線都會受影響。

負責《十大數據中心與 AI 基建安全風險》研究報告的安全機構 Lava Labs 就指出，當原本數據中心的架構是為「熟客」設計，如今卻要應付「陌生人」的工作，風險自然大增。研究員舉例說，AI 數據中心的 GPU 經常在客戶之間輪流分配，如果沒清洗乾淨上一手留下的數據痕跡，下一位客戶隨時讀到別人的敏感資料。換句話說，AI 數據中心不能再用「儲物櫃」思維去建設，必須要視之為「生產線」，考慮當中存在的風險。

缺乏數據加密與監控易招黑客

不過，研究員亦指出這種架構差異直接帶來新的硬件問題，因為密集的 GPU 發熱量驚人，冷卻系統一旦失靈，影響範圍可以是整個機房。驅動這些硬件亦需要更複雜的硬件控制程式，一旦過程中被黑客竄改，對方便能無聲無失入侵。此外，要令成千處理器同步運作，AI 數據中心須用上 InfiniBand、RDMA 等超高速網絡，問題是當中往往缺少檢查站，如缺乏數據加密與監控，黑客便能入侵及在內部橫行，滲入到其他原本無關的系統。

AI 數據中心高度依賴自動化工具，例如負責遠端控制硬件的 BMC系統，以及調配資源的編排系統。這些就像工廠的中央控制室，但控制室一旦被攻破，後果就是黑客可以一鍵操控全場。

綜合以上差異，Lava Labs 將風險歸納為十項，前五項出現在系統最底層，難以偵測，一旦爆發可波及整個機房群組；其他則較易發現及修復。Lava Labs 發表這份報告目的，無非是希望提醒業界 AI 數據中心存在著與傳統數據中心完全不同的安全風險，報告中特以按嚴重程度排列優先次序，讓業界知道應優先處理甚麼，並提供具體攻擊案例及應對方法。

如果想進一步了解當中的差險及風險管理做法，可以下載完整報告：https://tinyurl.com/2dtzm28r

資料來源：https://www.securityweek.com/ai-data-centers-are-being-built-faster-than-they-can-be-secured/