Towards Standardized Evaluation of GPU Memory Safety with GMSBench
随着GPU在高性能计算与机器学习中的普及,GPU程序的内存安全性已成为保障可靠与安全执行的关键。然而,现有研究普遍缺乏一套全面且标准化的基准来评估GPU内存安全技术的有效性。针对这一空白,本文提出了GMSBench——一个面向GPU内存安全
共收录 4 条相关情报。
← 返回所有主题随着GPU在高性能计算与机器学习中的普及,GPU程序的内存安全性已成为保障可靠与安全执行的关键。然而,现有研究普遍缺乏一套全面且标准化的基准来评估GPU内存安全技术的有效性。针对这一空白,本文提出了GMSBench——一个面向GPU内存安全
该论文聚焦于CUDA集体操作(如投票、归约、洗牌、栅栏等)在安全决策路径中的脆弱性。这些操作的安全决策不仅依赖于计算值,还依赖于哪些线程(lane)被代表、它们贡献了什么证据、哪个线程代表组、以及哪个检查过的状态到达提交点。作者将这种参与元
本文提出 WarpGuard,据作者所知这是首个在已执行 SASS(Shader Assembly)层面为 CUDA 设备二进制实现受保护站点控制流完整性(CFI)的系统。近年来 CUDA 利用研究显示,GPU 内存漏洞可升级为设备端控制流
本文提出 AgileOS,一个旨在为 GPU 服务提供操作系统级保护层的系统。现代 GPU 应用越来越多地与存储系统、网络设备、供应商库和 GPU 驻留服务交互,而不仅仅是执行隔离的计算内核。这种转变要求对 GPU 服务提供类似操作系统的保