该研究针对NVIDIA多实例GPU（MIG）技术，旨在考察其隔离保证是否真正安全。NVIDIA MIG允许在一张物理GPU上划分出多个相互隔离的实例，每个实例拥有独立的内存和计算资源，广泛应用于云服务商提供多租户GPU算力。然而，作者通过完全逆向工程GPU中的TLB（翻译后备缓冲器），发现了可被利用的硬件隧道，从而能够破坏MIG的隔离边界。具体而言，作者深入分析了GPU TLB的索引、标签和填充/逐出行为，识别出可以触发跨实例访问的微架构缺陷。利用该缺陷，攻击者可以从一个MIG实例中发起特殊构造的内存访问序列，实现数据泄露或干扰其他实例的正常计算。实验在真实NVIDIA GPU上演示了该攻击的有效性，证明当前MIG的隔离承诺并不完备。论文还讨论了可能的缓解方向，例如加强TLB的隔离设计或增加安全性检查。此外，作者强调了这类硬件级逆向工程的重要性，因为它揭示了厂商可能未能预见的攻击面。这项研究凸显了硬件级隔离机制在面对针对性逆向工程时的脆弱性，对于依赖MIG进行安全多租户部署的使用者有重要警示意义。

该论文研究了虚拟化GPU环境中TLB（转译后备缓冲器）的安全漏洞，并提出了一种跨虚拟机侧信道攻击方法。传统上，侧信道攻击多针对CPU缓存或分支预测器，而本文首次将攻击面拓展至虚拟化GPU的TLB结构。作者通过分析GPU虚拟化中地址转译的TLB行为，发现不同虚拟机之间的TLB状态可能被恶意利用，从而推断出其他虚拟机的敏感信息，如加密密钥或用户输入。具体地，攻击者利用GPU TLB的竞争条件和时序差异，设计了一种高效的侧信道原语。实验在配备NVIDIA GPU的虚拟化平台上进行，验证了攻击的有效性和准确性。该研究揭示了GPU虚拟化中一个新的侧信道攻击向量，对云安全、虚拟化环境的安全设计具有重要意义。建议安全社区关注此攻击类型，并研究相应的缓解措施。