Red Hot Cyber
Sicurezza Informatica, Notizie su Cybercrime, Analisi Vulnerabilità e Intelligenza Artificiale
una immagine mostra la trasformazione di una CMP 170HX in una A100

Una GPU NVIDIA per il mining diventa una A100 da 80 GB e supera persino l’originale

13 Novembre 2026 07:35
In sintesi

Una ricercatrice ha utilizzato il voltage glitching per trasformare una NVIDIA CMP 170HX da mining con 8 GB di memoria in un acceleratore basato su GA100 con fino a 80 GB di HBM. In un test FP16 la GPU modificata ha raggiunto 85,861 TFLOPS, superando del 18% una NVIDIA A100 standard. L'operazione richiede modifiche hardware e non è replicabile su tutte le schede.

La scheda video per mining NVIDIA CMP 170HX con 8 GB di memoria è stata trasformata in un analogo dell’acceleratore server A100 con 80 GB. La ricercatrice ha aggirato i limiti hardware grazie a brevi cali di tensione, e in un test la scheda modificata ha persino superato le performance dell’A100 di fabbrica.

L’esperimento è stato condotto dalla ricercatrice Kate, che ha pubblicato i risultati il 10 novembre. Entrambi i dispositivi utilizzano il chip grafico GA100, ma NVIDIA lo programma durante la produzione per diverse attività. Nella CMP 170HX, progettata per il mining di Ethereum, parte dei blocchi di calcolo e delle funzioni è disattivata, e all’utente è accessibile solo una piccola parte della memoria HBM installata.

I limiti sono imposti da predisposizioni elettroniche eFuse. Nel GA100 sono previsti 16.384 di questi elementi, e il loro stato determina la disponibilità della memoria, dei moduli di calcolo e delle interfacce. Dopo la programmazione di fabbrica, alcune impostazioni non possono essere modificate con comandi ordinari. In precedenza, lo strumento software cmpunlocker permetteva già di espandere la memoria della versione CMP 170HX 8GB a 64 GB, ma non rimuoveva tutti i blocchi hardware.

Advertising

Kate ha applicato il glitching dell’alimentazione. Durante l’avvio della scheda video, una scheda speciale basata sul microcontrollore STM32G4 modifica temporaneamente la tensione sul chip. In uno stato favorevole, il controller delle predisposizioni legge in modo errato i parametri di protezione, permettendo alla ricercatrice di scrivere nuovi valori e attivare le parti precedentemente bloccate.

Per l’esperimento è stato necessario collegare due cavi alla scheda, modificare il collegamento con il regolatore di alimentazione e riavviare ripetutamente il dispositivo. Secondo la stima dell’autrice, la ricerca della sequenza corretta richiede da uno a 48 ore. Il metodo dipende dall’esemplare specifico del chip, e i parametri errati possono comprometterne il funzionamento. Pertanto, non è possibile ripetere l’esperimento con un semplice aggiornamento del driver.

Il risultato si è rivelato notevole. Invece dei 70 multiprocessori di calcolo SM standard, la ricercatrice è riuscita a utilizzare circa 120–126 blocchi funzionanti. Nel test delle operazioni FP16, la CMP 170HX modificata ha raggiunto 85,861 TFLOPS rispetto ai 72,488 TFLOPS dell’A100 di serie, ovvero circa il 18% in più. Il confronto si riferisce a un test specifico, non a tutte le attività di intelligenza artificiale.

In nove delle dieci CMP 170HX 8GB studiate, la ricercatrice ha riscontrato 80 GB di memoria fisicamente funzionante; nella scheda rimanente sono disponibili solo 64 GB. La memoria sbloccata è stata verificata con test sintetici e carichi di lavoro vLLM e SGLang. È stato anche possibile ripristinare PCIe Gen4, mentre per il funzionamento di NVLink sono state necessarie ulteriori modifiche alla scheda e l’aggiramento del controllo del firmware.

Nel analisi tecnica Kate precisa che le funzioni MIG, NVDEC e NVJPG non sono state ancora testate, anche se le impostazioni permettono di attivarle. La ricercatrice ha preventivamente avvisato il team di sicurezza di NVIDIA e ha pubblicato il progetto GA100VFI. Il successo richiede l’accesso all’hardware fisico e non significa che qualsiasi scheda di mining si trasformerà in un’A100 completa.

Advertising

Attacchi simili basati sulla tensione sono già stati utilizzati contro i processori Intel. Ora è messa in discussione anche la affidabilità dei blocchi hardware delle GPU.


📢 Resta aggiornatoTi è piaciuto questo articolo? Rimani sempre informato seguendoci su 🔔 Google News.
Ne stiamo anche discutendo sui nostri social: 💼 LinkedIn, 📘 Facebook e 📸 Instagram.
Hai una notizia o un approfondimento da segnalarci? ✉️ Scrivici


Carolina Vivianti 300x300
Carolina Vivianti è consulente/Advisor autonomo in sicurezza informatica con esperienza nel settore tech e security. Ha lavorato come Security Advisor per Ford EU/Ford Motor Company e Vodafone e ha studi presso la Sapienza Università di Roma.
Aree di competenza: Cybersecurity, IT Risk Management, Security Advisory, Threat Analysis, Data Protection, Cloud Security, Compliance & Governance