開放全球應用程式安全計畫(OWASP)近期介紹新型雲端服務(Neocloud)與AI資料中心十大資安風險,其中五項被列為重大風險。這份清單聚焦AI模型訓練與推論所依賴的底層運算環境,涵蓋硬體與韌體安全、高速網路及多租戶隔離等問題,提供企業與服務供應商檢查基礎架構安全的參考。
OWASP公布AI資料中心十大資安風險,韌體遭竄改、高速網路防護不足列重大風險
Show the rest Hide the rest
這項社群專案由資安及基礎架構專家共同推動,首版清單於2026年7月發布,OWASP並於11月11日進一步介紹相關內容。專案公布的十大風險清單中,前五項被評為重大(Critical)風險,其餘四項為高(High)風險、一項為中度(Medium)風險。這項排序主要考量各類安全問題發生的可能性、造成的影響及偵測難度,而非依照實際資安事件的發生次數排列。
AI資料中心沿用高效能運算技術,多租戶環境增加安全防護挑戰
OWASP指出,現代AI資料中心結合大量GPU、高速互連網路、共用儲存設備及複雜的管理系統。這些技術有不少原本用於使用者彼此信任程度較高的高效能運算(HPC)環境,如今則被應用於不同企業共用實體設備的商用GPU雲端服務。當不同客戶使用相同的基礎架構,過去的安全設計未必足以應付多租戶環境的防護需求。
五項重大風險聚焦韌體、網路隔離、管理層與供應鏈
十大風險中,排名第一的是硬體與韌體完整性遭破壞。OWASP指出,攻擊者若能竄改伺服器UEFI、基板管理控制器(BMC)、GPU或網路介面卡韌體,由於這些韌體的運作不受一般作業系統管理,植入其中的惡意程式可能在重新安裝作業系統或清除磁碟資料後仍持續存在。對於經常重新分配實體伺服器的雲端服務而言,這類威脅也可能影響後續使用相同設備的客戶。
排名第二的是網路與高速互連技術漏洞。AI運算叢集採用InfiniBand、RoCE等高速互連技術,以及遠端直接記憶體存取(RDMA)機制,以滿足AI運算對高頻寬、低延遲資料傳輸的需求。然而,傳統網路資安工具可能無法完整監控這些高速互連網路的流量。若缺乏適當的網路隔離與存取控管,攻擊者可能藉此在系統之間橫向移動、攔截或竄改傳輸資料,甚至發動阻斷服務攻擊。
第三項重大風險是多租戶隔離與資源重複使用不當。當不同客戶共用GPU、儲存設備或實體主機,若隔離機制存在缺陷,或資源重新分配前未妥善清除殘留資料,可能使其他客戶的資料遭到未經授權的存取,甚至影響其運算作業。
第四項重大風險是帶外管理層安全不足。BMC、IPMI與Redfish管理介面、專用管理網路及集中管理工具,都是這項風險的主要關注範圍。若管理介面暴露於不可信任網路,或身分驗證與權限控管不足,攻擊者可能取得伺服器的遠端管理權限,進而操作硬體、修改韌體,甚至透過集中管理工具控制大量伺服器。
第五項則是AI基礎架構供應鏈遭入侵,涵蓋硬體設備、韌體、GPU驅動程式、作業系統映像、容器映像及軟體套件等環節。若相關元件在交付、散布或更新過程遭到竄改,可能使惡意程式碼進入AI運算環境。
企業應檢查韌體、網路隔離及供應商防護措施
對於採用GPU雲端服務或自行建置AI運算叢集的企業,這份清單可作為檢查基礎架構安全及評估服務供應商的參考。企業除了確認硬體與韌體的完整性驗證機制、高速網路隔離,以及運算資源重新分配前的資料清除措施,也應檢查BMC等管理介面的存取限制,並確認韌體與軟體元件的來源是否經過驗證。
OWASP也提醒,部分服務供應商的資安認證或稽核報告可能僅涵蓋服務入口網站或軟體平臺,未將底層GPU基礎架構納入評估。因此,企業在選擇GPU雲端服務時,還應確認供應商提供的資安認證實際涵蓋哪些系統。
OWASP目前將這項工作列為孵化階段的社群專案,並持續徵求資安研究人員與基礎架構從業人員參與。
OWASP新型雲端服務與AI資料中心十大資安風險
|1|硬體與韌體完整性遭破壞(Hardware & Firmware Integrity Compromise,重大風險):韌體遭竄改,可能形成難以清除的持續性威脅。
|2|網路與高速互連技術漏洞(Network & Interconnect Vulnerabilities,重大風險):高速網路隔離及流量監控不足,可能讓攻擊者橫向移動或攔截資料。
|3|多租戶隔離與資源重複使用不當(Unsafe Multi-Tenant Isolation and Resource Reuse,重大風險):資源共用時隔離不足,或重新分配前未清除殘留資料,可能造成跨租戶資料外洩。
|4|帶外管理層安全不足(Insecure Out-of-Band Management Plane,重大風險):管理介面防護不足,可能讓攻擊者取得伺服器管理權限,影響多部設備。
|5|AI基礎架構供應鏈遭入侵(AI Infrastructure Supply Chain Compromise,重大風險):硬體、韌體及軟體元件遭竄改,可能使惡意程式碼進入AI運算環境。
|6|資料中心設施與管理系統安全不足(Insecure Facility & Data Center Management Systems,高風險):供電、冷卻及其他設施管理系統若遭入侵,可能影響資料中心設備的正常運作與服務可用性。
|7|資料與模型相關檔案處理不當(Insecure Data and Artifact Handling,高風險):資料集、模型權重及模型檢查點等資料若缺乏適當保護,可能遭到未經授權的存取或竄改。
|8|資安認證涵蓋不足與服務供應商透明度欠佳(Certification Gaps & Provider Transparency Failures,高風險):既有資安認證或稽核可能未涵蓋底層GPU基礎架構,使客戶難以確認實際防護範圍。
|9|維運基礎服務安全不足(Insecure Operational Infrastructure Services,高風險):部署、設定及管理GPU伺服器的集中式系統若遭入侵,可能使攻擊者修改設定、停用安全措施,甚至控制大量設備。
|10|供應商漏洞揭露與修補作業存在時間落差(Vendor Embargo Gaps & Patch Velocity Failures,中度風險):漏洞資訊揭露、修補程式提供及實際部署之間若存在延遲,可能延長系統暴露於已知漏洞的期間。
資料來源:OWASP,iThome整理,2026年11月。
Read the full article on www.ithome.com.tw
OWASP Top 10 Neocloud & AI Data Center Security Risks: Securing the Layer AI Runs On | OWASP Foundation
A new OWASP Incubator Project gives neocloud providers, neocloud users, and AI data center operators a shared framework for understanding and addressing AI infrastructure security risks.
owasp.org
Comments (0)
Sign in to comment