کشف یک حفره امنیتی با شدت بالا در ابزار مانیتورینگ Nvidia DCGM Exporter، موجی از نگرانی را در میان مدیران زیرساخت‌های هوش مصنوعی ایجاد کرده است. این آسیب‌پذیری که با شناسه CVE-2026-47483 و امتیاز CVSS 8.2 ثبت شده، امکان دسترسی غیرمجاز و از کار انداختن سرویس‌های نظارتی را برای مهاجمان فراهم می‌کند که می‌تواند منجر به اختلال در پردازش‌های سنگین AI شود.
جزئیات فنی آسیب‌پذیری و مکانیزم حمله
ابزار Nvidia DCGM Exporter وظیفه جمع‌آوری داده‌های تله‌متری (Telemetry) از GPUها، از جمله میزان مصرف حافظه، توان مصرفی و خطاهای سخت‌افزاری را بر عهده دارد. مشکل اصلی اینجاست که این داده‌ها به‌صورت متن‌ساده (Plaintext) از طریق HTTP در دسترس قرار می‌گیرند. در نسخه آسیب‌پذیر، مهاجمان می‌توانند با ارسال درخواست‌های هم‌زمان (Concurrent)، منابع حافظه سیستم را اشباع کرده و باعث کرش کردن سرویس شوند.
علاوه بر این، بررسی‌ها نشان می‌دهد که حدود ۲۵ درصد از میزبان‌های در معرض خطر، ابزار پروفایلینگ داخلی Go یعنی /debug/pprof/ را نیز به صورت عمومی فاش می‌کردند. این ابزار نه تنها جزئیات وضعیت حافظه و CPU را برملا می‌کند، بلکه پتانسیل بالایی برای حملات DoS (انکار سرویس) فراهم می‌آورد که می‌تواند پایداری کل کلاستر محاسباتی را تحت تأثیر قرار دهد.
ابعاد گسترده افشای زیرساخت‌های GPU
تحقیقات صورت گرفته توسط شرکت Lava نشان می‌دهد که در بازه زمانی اسفند ۱۴۰۴ تا خرداد ۱۴۰۵، بیش از ۲۱۰۰ سرور GPU در سراسر جهان این داده‌های حساس را بدون هیچ‌گونه احراز هویت روی اینترنت عمومی منتشر کرده‌اند. نکته حائز اهمیت این است که این تجهیزات شامل مدل‌های پیشرفته‌ای همچون Nvidia Blackwell Ultra B300، H200 و H100 بوده و ارزش تخمینی سخت‌افزارهای در معرض خطر به بیش از ۱۰۰ میلیون دلار می‌رسد.
- شناسه آسیب‌پذیری: CVE-2026-47483
- امتیاز شدت (CVSS): 8.2 (High)
- محصولات تحت تأثیر: Nvidia DCGM Exporter نسخه‌های پیش از 4.8.2
- داده‌های درز کرده: شناسه منحصربه‌فرد GPU (UUID)، میزان استفاده از حافظه، توان مصرفی و داده‌های پروفایلینگ Go
- اقدام اصلاحی: ارتقا به نسخه 4.8.2 و بالاتر
خطرات شناسایی برای مهاجمان
این نشت اطلاعات فراتر از یک کرش ساده است. مهاجمان با دسترسی به خروجی این سرویس‌ها می‌توانند نقشه کامل زیرساخت GPU یک سازمان را ترسیم کنند. دانستن مدل سخت‌افزار، نسخه‌های فریم‌ور و توپولوژی شبکه، به مهاجم اجازه می‌دهد تا حملات هدفمندتری را برای بهره‌برداری از سایر آسیب‌پذیری‌های شناخته شده در لایه سیستم‌عامل یا میان‌افزارها طراحی کند. گزارش‌ها حاکی از آن است که علاوه بر DCGM، ابزارهای دیگری مانند Prometheus Node Exporter نیز به دلیل پیکربندی اشتباه، اطلاعات زیرساختی بیش از ۱۲ هزار میزبان را به صورت عمومی در دسترس قرار داده بودند.
توصیه‌های امنیتی برای مدیران سیستم
برای ایمن‌سازی زیرساخت‌های هوش مصنوعی، رعایت نکات زیر از سوی تیم‌های DevSecOps الزامی است:
- محدودسازی دسترسی شبکه: هرگز سرویس‌های مانیتورینگ نظیر DCGM Exporter یا Node Exporter را روی اینترفیس‌های عمومی (Public IP) قرار ندهید. این سرویس‌ها باید تنها برای زیرساخت‌های نظارتی داخلی قابل دسترسی باشند.
- پیاده‌سازی احراز هویت: استفاده از Reverse Proxy یا راهکارهای احراز هویت جانبی (مانند mTLS) برای محافظت از اندپوینت‌های متریک.
- به‌روزرسانی مداوم: ارتقای فوری تمامی کانتینرها و سرویس‌های در حال اجرا به آخرین نسخه‌های پایدار که توسط انویدیا ارائه شده است.
- بازرسی مداوم (Auditing): استفاده از ابزارهای پایش دارایی‌ها برای اطمینان از اینکه هیچ پورتی به صورت ناخواسته در اینترنت باز باقی نمانده است.
