استخراج با کارت گرافیک چیست؟

تعریف، خطرات و اهمیت امنیتی استخراج با GPU برای DevSecOps #

برای درک واقعی استخراج با GPU، چیزی که به شما کمک می‌کند تا ببینید چگونه GPUها از سخت‌افزار بازی به موتورهای قدرتمند برای محاسبات ارزهای دیجیتال تبدیل شده‌اند. اساساً، از کارت‌های گرافیک برای انجام کارهای ریاضی محاسباتی فشرده مورد نیاز برای اعتبارسنجی تراکنش‌ها و ایمن‌سازی شبکه‌های بلاکچین استفاده می‌کند.

اگرچه استخراج با GPU به عنوان راهی برای کسب ارز دیجیتال آغاز شد، اما چالش‌های جدیدی را نیز برای تیم‌های فناوری اطلاعات و امنیت ایجاد کرد. اسکریپت‌های استخراج پنهان، حجم کار غیرمجاز با GPU و حملات سرقت ارز دیجیتال در محیط‌های شرکتی و ابری رایج شده‌اند. برای DevSecOps، دانستن تعریف، نحوه کار و نحوه نمایش آن در داخل ساختار، بسیار مهم است. pipelines چیزی است که برای محافظت از یکپارچگی سیستم کلیدی است.

تعریف استخراج با GPU: هسته فنی #

تعریف استخراج با GPU را می‌توان به این صورت خلاصه کرد: استفاده از واحدهای پردازش گرافیکی برای محاسبه و تأیید هش‌های رمزنگاری پیچیده مورد نیاز بلاک چین‌های اثبات کار.

پردازنده‌های گرافیکی (GPU) از پردازنده‌های مرکزی (CPU) بهتر عمل می‌کنند زیرا هزاران عملیات را به طور همزمان پردازش می‌کنند. این موازی‌سازی، آنها را برای کارهای استخراج (mining) ایده‌آل می‌کند، جایی که میلیون‌ها محاسبه هش در ثانیه انجام می‌شود.

یک ریگ ماینینگ معمولی، چندین پردازنده گرافیکی (GPU)، سیستم‌های خنک‌کننده و نرم‌افزار ماینینگ پیکربندی‌شده برای اتصال به یک شبکه بلاکچین را ترکیب می‌کند. هنگامی که یک پردازنده گرافیکی (GPU) با موفقیت یک معمای رمزنگاری را حل می‌کند، ماینر پاداش دریافت می‌کند.

نحوه کار استخراج با GPU: بیایید یک نمای ساده را ببینیم #

در اصل، استخراج با GPU از یک حلقه ساده پیروی می‌کند: یک نانس (nonce) ایجاد کنید، یک هش (hash) محاسبه کنید و بررسی کنید که آیا با سختی مورد نیاز مطابقت دارد یا خیر. در شبه کد:

# منطق ساده‌شده برای اهداف آموزشی while True: nonce = random_nonce() hash = sha256(block_header + nonce) if hash < target_difficulty: submit_block(hash) break

پردازنده گرافیکی (GPU) هزاران مورد از این تکرارها را به صورت موازی اجرا می‌کند و در مقایسه با CPU سرعت را به طرز چشمگیری افزایش می‌دهد.

در محیط‌های توسعه، قدرت پردازنده گرافیکی اغلب برای حجم کاری مشروع مانند آموزش هوش مصنوعی یا رندرینگ استفاده می‌شود. با این حال، در محیط‌های به خطر افتاده CI/CD مهاجمان می‌توانند وظایف استخراج GPU را در قالب وظایف محاسباتی معمولی پنهان کنند. اینجاست که قابلیت مشاهده DevSecOps بسیار مهم می‌شود؛ تشخیص استفاده غیرمعمول از GPU می‌تواند قبل از تشدید، سرقت ارز دیجیتال یا سوءاستفاده از منابع را کشف کند.

ظهور دستگاه‌های استخراج با کارت گرافیک (GPU) #

ریگ استخراج IA GPU برای به حداکثر رساندن عملکرد و کارایی ساخته شده است. معمولاً شامل موارد زیر است:

• چندین پردازنده گرافیکی (اغلب NVIDIA یا AMD)
• یک مادربرد تخصصی با چندین اسلات PCIe
• یک PSU با مصرف برق بهینه
• فن‌های خنک‌کننده یا خنک‌کننده مایع
• نرم‌افزار استخراج و یک کیف پول رمزنگاری متصل

در محیط‌های کنترل‌شده، این ریگ‌ها بی‌ضرر هستند. اما وقتی در شبکه‌های شرکتی، کارگزاران ساخت یا حساب‌های ابری ظاهر می‌شوند، به یک تهدید امنیتی واقعی تبدیل می‌شوند. استخراج غیرمجاز، برق را مصرف می‌کند، هزینه‌های عملیاتی را افزایش می‌دهد و سیستم‌ها را در معرض بدافزارهای استخراج قرار می‌دهد. برخی حملات فراتر می‌روند، جاسازی کد ماینینگ درون بسته‌های متن‌باز یا تصاویر داکر. وقتی آن وابستگی‌ها به طور خودکار وارد می‌شوند pipelineآنها وظایف استخراج را مخفیانه انجام می‌دهند.

استخراج با GPU در DevSecOps: چرا اهمیت دارد؟ #

برای مدیران DevSecOps و امنیت، سوال فقط این نیست که استخراج با GPU چیست، بلکه این است که چگونه می‌تواند بر محیط شما تأثیر بگذارد. برخی از خطرات اصلی عبارتند از:

۱. استخراج پنهان در CI/CD دوندگان #

مهاجمان اسکریپت‌های استخراج GPU را در عوامل ساخت یا کانتینرها وارد می‌کنند. این اسکریپت‌ها در طول فرآیند ساخت، بی‌سروصدا منابع GPU را مصرف می‌کنند، و اغلب تا زمانی که عملکرد یا هزینه‌ها افزایش نیابد، متوجه آنها نمی‌شوند.

2. وابستگی‌های آسیب‌دیده #

بارهای داده استخراج می‌توانند درون کتابخانه‌های متن‌باز یا بسته‌های شخص ثالث پنهان شوند. پس از وارد کردن، آنها به طور خودکار در داخل سیستم شما اجرا می‌شوند. pipeline، سوءاستفاده از گره‌های GPU.

3. ربودن منابع در زیرساخت ابری #

خوشه‌های Kubernetes یا نمونه‌های GPU اشتراکی که به اشتباه پیکربندی شده‌اند، می‌توانند برای استخراج غیرمجاز GPU مورد سوءاستفاده قرار گیرند و زیرساخت شما را بدون اطلاع شما به یک مزرعه استخراج تبدیل کنند.

۴. افشای داده‌ها و دسترسی #

بسیاری از انواع بدافزارهای استخراج، متغیرهای محیطی، کلیدهای API و اعتبارنامه‌ها را برای انتقال جانبی از طریق سیستم‌ها جمع‌آوری می‌کنند. این روش‌ها کندتر از روش‌های متقارن هستند اما برای ایجاد اعتماد بین سرویس‌ها یا کاربران قبل از تبادل کلیدهای متقارن سریع‌تر ضروری هستند.

تشخیص فعالیت ماینینگ با GPU #

تشخیص استخراج غیرمجاز با GPU نیازمند قابلیت مشاهده و اتوماسیون است. در اینجا به روش‌های کلیدی که تیم‌های DevSecOps باید اتخاذ کنند، اشاره می‌کنیم:

نظارت مستمر #

میزان استفاده از پردازنده گرافیکی (GPU) را در بین اجراکننده‌ها، گره‌ها و ماشین‌های مجازی پیگیری کنید. افزایش غیرمنتظره مصرف پردازنده گرافیکی (GPU) از نشانه‌های اولیه کریپتوجکینگ (cryptojacking) است.

بازرسی شبکه #

اتصالات خروجی به استخرهای استخراج شناخته شده را رصد کنید و دامنه‌ها یا نقاط پایانی کیف پول مشکوک را مسدود کنید.

اسکن کانتینر و وابستگی‌ها #

از ابزارهای اسکن خودکار مانند Xygeni برای شناسایی اسکریپت‌های ساخت اصلاح‌شده یا وابستگی‌های حاوی کد استخراج استفاده کنید. Xygeni به اعتبارسنجی یکپارچگی شما کمک می‌کند. CI/CD pipelineتشخیص دستکاری یا تزریق‌های مخرب قبل از استقرار.

اجرای سیاست #

دسترسی به پردازنده گرافیکی (GPU) را فقط به بارهای کاری مورد اعتماد محدود کنید. RBAC (کنترل دسترسی مبتنی بر نقش) را اعمال کنید و مجوزهای با حداقل امتیاز را در محیط‌های مشترک اعمال کنید.

اعتبارسنجی زمان اجرا #

ابزارهای محافظت در زمان اجرا را برای مقایسه رفتار بار کاری مورد انتظار با فعالیت واقعی پردازنده گرافیکی درون کانتینرها یا ماشین‌های مجازی مستقر کنید.

مثال دنیای واقعی: کریپتوجکینگ در یک ساخت Pipeline #

یک تیم DevOps که در حال اجرای پروژه‌های هوش مصنوعی شتاب‌یافته با GPU بود، متوجه شد که pipeline کند شدن. تحقیقات نشان داد که یک تصویر Docker جعلی از یک رجیستری عمومی استخراج شده است. این تصویر حاوی یک فایل اجرایی استخراج کوچک بود که در قالب یک اسکریپت نظارتی پنهان شده بود.

پس از استقرار، فرآیندهای استخراج با پردازنده گرافیکی (GPU) را که به یک استخر استخراج از راه دور متصل بودند، راه‌اندازی کرد. هزینه پردازنده گرافیکی شرکت در عرض چند روز دو برابر شد. اسکن و تأیید خودکار می‌توانست آن را قبل از رسیدن به مرحله تولید متوقف کند. دقیقاً به همین دلیل است که یکپارچه‌سازی امنیت در اوایل... CI/CD چرخه اهمیت دارد.

بهترین روش‌ها برای جلوگیری از خطرات استخراج با GPU #

• زود اسکن کنید، مرتباً اسکن کنید: اضافه کردن ایستا و تحلیل پویا برای کانتینرها و وابستگی‌ها.

• حجم کار GPU را بررسی کنید: استفاده مشروع از پردازنده گرافیکی (GPU) و رفتار عادی پایه را شناسایی کنید.

• استفاده کنید build attestations: ادغام گواهینامه‌های منطبق با SLSA برای تأیید منبع و صحت هر مصنوع.

• پیاده‌سازی تقسیم‌بندی شبکه: جلوگیری از خروج ترافیک استخراج از محیط‌های داخلی.

• اتخاذ حفاظت خودکار: ابزارهایی مانند شیگنی قابلیت مشاهده یکپارچگی ساخت را فراهم می‌کند و اسکریپت‌های استخراج غیرمجاز GPU را در زمان اجرا تشخیص می‌دهد.

جنبه‌های اخلاقی و انطباق #

اگرچه ذاتاً مخرب نیست، اما استخراج غیرمجاز در محیط‌های شرکتی یا ابری، قوانین انطباق و سیاست‌های شرکت را نقض می‌کند. اساساً سرقت منابع است. فراتر از تأثیر هزینه، اگر افشای داده‌ها از طریق سیستم‌های آلوده رخ دهد، ممکن است قوانین حفظ حریم خصوصی را نیز نقض کند.

برای صنایع تحت نظارت، جلوگیری از استخراج غیرمجاز بخشی از حفظ یکپارچگی عملیاتی و انطباق با ... standardدوست دارم ISO 27001 or SOC 2.

آینده استخراج با GPU و پیامدهای امنیتی آن #

پس از انتقال اتریوم به اثبات سهام، تقاضای ماینینگ با GPU کاهش یافت، اما تهدید از بین نرفت. مهاجمان هنوز محیط‌های مبتنی بر GPU را هدف قرار می‌دهند، از خوشه‌های هوش مصنوعی گرفته تا سیستم‌های ساخت کانتینری.

با تبدیل شدن محاسبات GPU به بخش مرکزی DevOps مدرن، به خصوص برای هوش مصنوعی، یادگیری ماشین و داده‌های در مقیاس بزرگ pipelineکنترل‌های امنیتی پیرامون دسترسی به پردازنده گرافیکی (GPU) حتی اهمیت بیشتری پیدا خواهند کرد. نظارت بر پردازنده گرافیکی را به عنوان بخشی از روال DevSecOps خود در نظر بگیرید، نه یک اقدام جانبی.

نتیجه #

تعریف استخراج با GPU شاید ساده به نظر برسد، استفاده از GPU برای استخراج ارز دیجیتال، اما پیامدهای امنیتی آن عمیقاً به DevSecOps امروزی می‌رسد. pipelineاسکریپت‌های استخراج پنهان، وابستگی‌های مخرب و ربودن منابع می‌توانند بی‌سروصدا منابع پردازنده گرافیکی (GPU) را تخلیه کرده و سیستم‌ها را به خطر بیندازند.

با ترکیب اسکن خودکار، نظارت در زمان اجرا و ابزارهای یکپارچه‌سازی ساخت مانند Xygeni، سازمان‌ها می‌توانند استخراج غیرمجاز با پردازنده گرافیکی را قبل از اینکه بر عملیات آنها تأثیر بگذارد، شناسایی و مسدود کنند. می‌تونید رایگان تستش کنید!

برای تیم‌های مدرن DevSecOps، دید برابر است با کنترلدرک اینکه استخراج با GPU چیست و چگونه در ... ظاهر می‌شود pipelineو چگونگی جلوگیری از آن، گامی اساسی در جهت ایمن‌سازی زیرساخت‌های توسعه شما بدون کند کردن نوآوری است.