📰 Filtración de memoria: Vulnerabilidades donde no se borra la memoria VRAM entre tareas (ej. CVE-2023-4969), permitiendo el acceso a datos confidenciales (16:03 - 18:03).
Este vídeo, presentado por Ted Gould en la Southern California Linux Expo, analiza los desafíos de seguridad en la infraestructura de las GPU ante el auge masivo de la inteligencia artificial. Gould argumenta que el rápido despliegue de clústeres de GPU está dejando de lado las mejores prácticas de seguridad desarrolladas durante la última década, creando riesgos significativos similares a crisis históricas como la de las calderas de vapor en 1865 o el descontrol en la seguridad de los dispositivos IoT (0:00 - 9:30).
Puntos clave sobre la seguridad en GPU:
La responsabilidad compartida: A menudo hay una confusión sobre quién protege la infraestructura de GPU (proveedor en la nube frente al usuario). Es fundamental definir claramente las responsabilidades (10:06 - 11:57).
Relación CPU-GPU: Las GPU son dispositivos autónomos y activos, no simples tarjetas de red. Su aislamiento depende actualmente del lado de la CPU, dejando el entorno de la GPU como un "salvaje oeste" vulnerable (12:00 - 14:38).
Vectores de ataque comunes:
Filtración de memoria: Vulnerabilidades donde no se borra la memoria VRAM entre tareas (ej. CVE-2023-4969), permitiendo el acceso a datos confidenciales (16:03 - 18:03).
Escapes de contenedores: Problemas en herramientas como el NVIDIA Container Toolkit que permiten saltar niveles de privilegios (18:31 - 20:38).
Cadena de suministro: Modelos descargados de fuentes como Hugging Face que pueden incluir scripts maliciosos ejecutándose como root (21:14 - 23:03).
Denegación de servicio: El "espiral de muerte de la programación" (o gang scheduling death spiral) donde un contenedor bloquea los recursos de toda la GPU (23:53 - 25:35).
Estrategias de mitigación:
Implementar un borrado seguro (scrubbing) de memoria en la VRAM (17:37).
Aplicar el principio de menor privilegio en los contenedores (20:02).
Monitorear activamente el comportamiento de la memoria y las anomalías de programación para detectar abusos (27:01 - 31:29).
Este vídeo, presentado por Ted Gould en la Southern California Linux Expo, analiza los desafíos de seguridad en la infraestructura de las GPU ante el auge masivo de la inteligencia artificial. Gould argumenta que el rápido despliegue de clústeres de GPU está dejando de lado las mejores prácticas de seguridad desarrolladas durante la última década, creando riesgos significativos similares a crisis históricas como la de las calderas de vapor en 1865 o el descontrol en la seguridad de los dispositivos IoT (0:00 - 9:30).
Puntos clave sobre la seguridad en GPU:
La responsabilidad compartida: A menudo hay una confusión sobre quién protege la infraestructura de GPU (proveedor en la nube frente al usuario). Es fundamental definir claramente las responsabilidades (10:06 - 11:57).
Relación CPU-GPU: Las GPU son dispositivos autónomos y activos, no simples tarjetas de red. Su aislamiento depende actualmente del lado de la CPU, dejando el entorno de la GPU como un "salvaje oeste" vulnerable (12:00 - 14:38).
Vectores de ataque comunes:
Filtración de memoria: Vulnerabilidades donde no se borra la memoria VRAM entre tareas (ej. CVE-2023-4969), permitiendo el acceso a datos confidenciales (16:03 - 18:03).
Escapes de contenedores: Problemas en herramientas como el NVIDIA Container Toolkit que permiten saltar niveles de privilegios (18:31 - 20:38).
Cadena de suministro: Modelos descargados de fuentes como Hugging Face que pueden incluir scripts maliciosos ejecutándose como root (21:14 - 23:03).
Denegación de servicio: El "espiral de muerte de la programación" (o gang scheduling death spiral) donde un contenedor bloquea los recursos de toda la GPU (23:53 - 25:35).
Estrategias de mitigación:
Implementar un borrado seguro (scrubbing) de memoria en la VRAM (17:37).
Aplicar el principio de menor privilegio en los contenedores (20:02).
Monitorear activamente el comportamiento de la memoria y las anomalías de programación para detectar abusos (27:01 - 31:29).
#Seguridad #Memoria #Infraestructura #Dejando #Dispositivos #Contenedores #Programación #Próxima #Frontera #Profesionales #Presentado #Gould #Southern #California #Analiza
📺 Canal: Southern California Linux Expo
🔗 Video original: https://www.youtube.com/watch?v=3zzu6PJPlAM
Este vídeo, presentado por Ted Gould en la Southern California Linux Expo, analiza los desafíos de seguridad en la infraestructura de las GPU ante el auge masivo de la inteligencia artificial. Gould argumenta que el rápido despliegue de clústeres de GPU está dejando de lado las mejores prácticas de seguridad desarrolladas durante la última década, creando riesgos significativos similares a crisis históricas como la de las calderas de vapor en 1865 o el descontrol en la seguridad de los dispositivos IoT (0:00 - 9:30).
Puntos clave sobre la seguridad en GPU:
La responsabilidad compartida: A menudo hay una confusión sobre quién protege la infraestructura de GPU (proveedor en la nube frente al usuario). Es fundamental definir claramente las responsabilidades (10:06 - 11:57).
Relación CPU-GPU: Las GPU son dispositivos autónomos y activos, no simples tarjetas de red. Su aislamiento depende actualmente del lado de la CPU, dejando el entorno de la GPU como un "salvaje oeste" vulnerable (12:00 - 14:38).
Vectores de ataque comunes:
Filtración de memoria: Vulnerabilidades donde no se borra la memoria VRAM entre tareas (ej. CVE-2023-4969), permitiendo el acceso a datos confidenciales (16:03 - 18:03).
Escapes de contenedores: Problemas en herramientas como el NVIDIA Container Toolkit que permiten saltar niveles de privilegios (18:31 - 20:38).
Cadena de suministro: Modelos descargados de fuentes como Hugging Face que pueden incluir scripts maliciosos ejecutándose como root (21:14 - 23:03).
Denegación de servicio: El "espiral de muerte de la programación" (o gang scheduling death spiral) donde un contenedor bloquea los recursos de toda la GPU (23:53 - 25:35).
Estrategias de mitigación:
Implementar un borrado seguro (scrubbing) de memoria en la VRAM (17:37).
Aplicar el principio de menor privilegio en los contenedores (20:02).
Monitorear activamente el comportamiento de la memoria y las anomalías de programación para detectar abusos (27:01 - 31:29).
Este vídeo, presentado por Ted Gould en la Southern California Linux Expo, analiza los desafíos de seguridad en la infraestructura de las GPU ante el auge masivo de la inteligencia artificial. Gould argumenta que el rápido despliegue de clústeres de GPU está dejando de lado las mejores prácticas de seguridad desarrolladas durante la última década, creando riesgos significativos similares a crisis históricas como la de las calderas de vapor en 1865 o el descontrol en la seguridad de los dispositivos IoT (0:00 - 9:30).
Puntos clave sobre la seguridad en GPU:
La responsabilidad compartida: A menudo hay una confusión sobre quién protege la infraestructura de GPU (proveedor en la nube frente al usuario). Es fundamental definir claramente las responsabilidades (10:06 - 11:57).
Relación CPU-GPU: Las GPU son dispositivos autónomos y activos, no simples tarjetas de red. Su aislamiento depende actualmente del lado de la CPU, dejando el entorno de la GPU como un "salvaje oeste" vulnerable (12:00 - 14:38).
Vectores de ataque comunes:
Filtración de memoria: Vulnerabilidades donde no se borra la memoria VRAM entre tareas (ej. CVE-2023-4969), permitiendo el acceso a datos confidenciales (16:03 - 18:03).
Escapes de contenedores: Problemas en herramientas como el NVIDIA Container Toolkit que permiten saltar niveles de privilegios (18:31 - 20:38).
Cadena de suministro: Modelos descargados de fuentes como Hugging Face que pueden incluir scripts maliciosos ejecutándose como root (21:14 - 23:03).
Denegación de servicio: El "espiral de muerte de la programación" (o gang scheduling death spiral) donde un contenedor bloquea los recursos de toda la GPU (23:53 - 25:35).
Estrategias de mitigación:
Implementar un borrado seguro (scrubbing) de memoria en la VRAM (17:37).
Aplicar el principio de menor privilegio en los contenedores (20:02).
Monitorear activamente el comportamiento de la memoria y las anomalías de programación para detectar abusos (27:01 - 31:29).
#Seguridad #Memoria #Infraestructura #Dejando #Dispositivos #Contenedores #Programación #Próxima #Frontera #Profesionales #Presentado #Gould #Southern #California #Analiza
📺 Canal: Southern California Linux Expo
🔗 Video original: https://www.youtube.com/watch?v=3zzu6PJPlAM
📰 Filtración de memoria: Vulnerabilidades donde no se borra la memoria VRAM entre tareas (ej. CVE-2023-4969), permitiendo el acceso a datos confidenciales (16:03 - 18:03).
Este vídeo, presentado por Ted Gould en la Southern California Linux Expo, analiza los desafíos de seguridad en la infraestructura de las GPU ante el auge masivo de la inteligencia artificial. Gould argumenta que el rápido despliegue de clústeres de GPU está dejando de lado las mejores prácticas de seguridad desarrolladas durante la última década, creando riesgos significativos similares a crisis históricas como la de las calderas de vapor en 1865 o el descontrol en la seguridad de los dispositivos IoT (0:00 - 9:30).
Puntos clave sobre la seguridad en GPU:
La responsabilidad compartida: A menudo hay una confusión sobre quién protege la infraestructura de GPU (proveedor en la nube frente al usuario). Es fundamental definir claramente las responsabilidades (10:06 - 11:57).
Relación CPU-GPU: Las GPU son dispositivos autónomos y activos, no simples tarjetas de red. Su aislamiento depende actualmente del lado de la CPU, dejando el entorno de la GPU como un "salvaje oeste" vulnerable (12:00 - 14:38).
Vectores de ataque comunes:
Filtración de memoria: Vulnerabilidades donde no se borra la memoria VRAM entre tareas (ej. CVE-2023-4969), permitiendo el acceso a datos confidenciales (16:03 - 18:03).
Escapes de contenedores: Problemas en herramientas como el NVIDIA Container Toolkit que permiten saltar niveles de privilegios (18:31 - 20:38).
Cadena de suministro: Modelos descargados de fuentes como Hugging Face que pueden incluir scripts maliciosos ejecutándose como root (21:14 - 23:03).
Denegación de servicio: El "espiral de muerte de la programación" (o gang scheduling death spiral) donde un contenedor bloquea los recursos de toda la GPU (23:53 - 25:35).
Estrategias de mitigación:
Implementar un borrado seguro (scrubbing) de memoria en la VRAM (17:37).
Aplicar el principio de menor privilegio en los contenedores (20:02).
Monitorear activamente el comportamiento de la memoria y las anomalías de programación para detectar abusos (27:01 - 31:29).
Este vídeo, presentado por Ted Gould en la Southern California Linux Expo, analiza los desafíos de seguridad en la infraestructura de las GPU ante el auge masivo de la inteligencia artificial. Gould argumenta que el rápido despliegue de clústeres de GPU está dejando de lado las mejores prácticas de seguridad desarrolladas durante la última década, creando riesgos significativos similares a crisis históricas como la de las calderas de vapor en 1865 o el descontrol en la seguridad de los dispositivos IoT (0:00 - 9:30).
Puntos clave sobre la seguridad en GPU:
La responsabilidad compartida: A menudo hay una confusión sobre quién protege la infraestructura de GPU (proveedor en la nube frente al usuario). Es fundamental definir claramente las responsabilidades (10:06 - 11:57).
Relación CPU-GPU: Las GPU son dispositivos autónomos y activos, no simples tarjetas de red. Su aislamiento depende actualmente del lado de la CPU, dejando el entorno de la GPU como un "salvaje oeste" vulnerable (12:00 - 14:38).
Vectores de ataque comunes:
Filtración de memoria: Vulnerabilidades donde no se borra la memoria VRAM entre tareas (ej. CVE-2023-4969), permitiendo el acceso a datos confidenciales (16:03 - 18:03).
Escapes de contenedores: Problemas en herramientas como el NVIDIA Container Toolkit que permiten saltar niveles de privilegios (18:31 - 20:38).
Cadena de suministro: Modelos descargados de fuentes como Hugging Face que pueden incluir scripts maliciosos ejecutándose como root (21:14 - 23:03).
Denegación de servicio: El "espiral de muerte de la programación" (o gang scheduling death spiral) donde un contenedor bloquea los recursos de toda la GPU (23:53 - 25:35).
Estrategias de mitigación:
Implementar un borrado seguro (scrubbing) de memoria en la VRAM (17:37).
Aplicar el principio de menor privilegio en los contenedores (20:02).
Monitorear activamente el comportamiento de la memoria y las anomalías de programación para detectar abusos (27:01 - 31:29).
#Seguridad #Memoria #Infraestructura #Dejando #Dispositivos #Contenedores #Programación #Próxima #Frontera #Profesionales #Presentado #Gould #Southern #California #Analiza
📺 Canal: Southern California Linux Expo
🔗 Video original: https://www.youtube.com/watch?v=3zzu6PJPlAM
0 Comentarios
0 Acciones
7 Vistas
0 Reseñas