La IA ya puede desestabilizar centros de datos enteros — basta con un gran grupo de GPUs

Los potentes clústeres de IA vinculan cada vez más la computación con la energía, y especialistas en TI demostraron cómo una carga habitual en GPU puede convertirse en una herramienta para impactar la red eléctrica local. El nuevo modelo de ataque fue llamado Bit2Watt. Para él no se requiere vulnerar el equipo del centro de datos, la plataforma en la nube ni los sistemas de gestión de la red eléctrica.

El supuesto atacante alquila un gran pool de procesadores gráficos de forma legítima y ejecuta tareas de IA o cálculos de alto rendimiento. Un programa especialmente configurado cambia rápidamente los aceleradores entre trabajo intensivo y casi inactividad. Como resultado, el consumo de energía varía bruscamente, y GPU sincronizadas generan oscilaciones controladas de corriente.

Los autores describieron dos métodos. El primero usa código CUDA que alterna carga máxima y mínima con una frecuencia de hasta 6 kHz. El segundo integra el control del consumo en el entrenamiento habitual de una red neuronal mediante el tamaño de los lotes, operaciones adicionales y parámetros del modelo. Esta variante funciona más despacio, pero genera oscilaciones más intensas y se disimula mejor como actividad normal del clúster de IA.

Mediciones en un clúster de aproximadamente 100 GPU confirmaron que los cambios bruscos de carga se transmiten al sistema de alimentación eléctrica. Pruebas con inversores solares también revelaron frecuencias resonantes en las que las oscilaciones empeoraban la calidad de la energía, incrementaban las distorsiones armónicas y reducían la estabilidad de la red. Los autores no reportaron un ataque real contra una red eléctrica en funcionamiento.

En una simulación de una red local de 1 MW, la sincronización de varios cientos hasta mil GPU llevó los indicadores más allá de los límites permitidos. Con una participación de fuentes de energía distribuidas del 90% y la carga simultánea de 1000 aceleradores, la distorsión de la corriente alcanzó el 46,8%. El modelo también mostró el riesgo de oscilaciones crecientes capaces de afectar una porción mayor del sistema eléctrico.

El efecto inverso fue denominado Watt2Bit. Las perturbaciones en la red pueden regresar al centro de datos, sobrecalentar las fuentes de alimentación y los convertidores de tensión, activar las protecciones del equipo y detener los cálculos. Teóricamente, el mismo mecanismo permite codificar datos en la frecuencia y la amplitud del consumo eléctrico y luego leer la señal mediante interferencias electromagnéticas o mediciones eléctricas.