该论文研究 GPU 显存（GDDR）上的 Rowhammer（行锤）攻击可行性问题。Rowhammer 指通过高频反复访问某一行内存，使相邻存储单元的电荷发生干扰并最终导致位翻转，进而可用于数据篡改与权限提升。背景与核心问题是：尽管 GPU 显存同样存在该风险，但此前针对 GPU 的 Rowhammer 攻击只能触发几十到几百次位翻转，比 CPU 平台上的攻击结果少几个数量级，实用价值因此被认为非常有限。作者指出这一差距的根本原因是：现有 GPU 攻击依赖“均匀”敲击模式，即在访问模式中攻击行（aggressor）与诱饵行（decoy）被同等频率地激活，导致真正需要被反复激活的攻击行敲击强度不足（GPU 的访存合并机制天然倾向于把访问均摊）。提出的方法 GPUThor 采用“非均匀敲击”：首先逆向分析 GPU 的访存合并（memory-access coalescing）行为，据此构造能让攻击行获得远高于诱饵行激活强度的访存模式；其次识别 DRAM 刷新时序，即片内缓解措施（in-DRAM mitigation）在每个刷新区间内生效的窗口，构造跨越多个刷新间隔的长模式以规避该缓解措施，从而进一步提高有效敲击强度。两条技术结合后，在 NVIDIA A4000、A4500、A5000、A6000 等多款 GPU 上实现的位翻转数量比先前 GPU Rowhammer 攻击高出 500 倍到 23,500 倍，翻转率已接近最先进的 CPU Rowhammer 攻击水平。更重要的是，论文报告了首次在启用 ECC 的 GPU 上实现的 Rowhammer 利用：通过诱发不可纠正的双位与三位翻转，使拒绝服务与权限提升在开启 ECC 保护的 GPU 上同样具备现实可行性。整体而言，这是一项硬件安全方向的系统性研究工作，涵盖威胁建模、微架构逆向、模式构造与跨型号实验验证，适合硬件安全、云 GPU 平台与虚拟化隔离方向的研究人员和防御工程师阅读。