Exposed Nvidia GPU monitors can reveal AI infrastructure secrets

Exposed Nvidia GPU monitors can reveal AI infrastructure secrets

NVIDIA DCGM Exporter: 2.100 server esposti rivelano segreti AI

La vulnerabilità NVIDIA DCGM Exporter è al centro di una nuova allerta di sicurezza. Circa 2.100 server accessibili pubblicamente espongono telemetria sensibile di oltre 12.000 GPU senza alcuna autenticazione. Il rischio per le infrastrutture AI è concreto e documentato.


L’esposizione scoperta da Lava Security

I ricercatori di Lava Security hanno identificato migliaia di istanze DCGM Exporter raggiungibili da internet. Questi strumenti di monitoraggio GPU sono stati configurati per uso interno. Tuttavia, sono stati lasciati accessibili senza protezione.

Cosa rivelano i dati esposti

I dati accessibili senza credenziali sono numerosi e dettagliati. Tra le informazioni esposte figurano:

  • Modelli e identificatori univoci delle GPU
  • Utilizzo, memoria e consumi energetici
  • Hostname e sistemi operativi
  • Firmware, percorsi di storage e configurazioni di rete
  • Log di errori e eventi operativi

In questo contesto, queste informazioni permettono a un attaccante di mappare con precisione un’infrastruttura AI. Un inventario dettagliato di GPU è un vantaggio significativo per chi vuole colpire ambienti costosi e strategici.

Vale la pena sottolineare che non sono stati identificati attori specifici né compromissioni confermate. Si tratta, allo stato attuale, di una ricerca su esposizioni e vulnerabilità. Il rischio principale rimane la ricognizione opportunistica da parte di scanner internet automatizzati.


CVE-2026-47483: la vulnerabilità negli endpoint di debug

Parallelamente all’esposizione dei dati, Lava Security ha identificato anche CVE-2026-47483. Questa vulnerabilità colpisce gli endpoint /debug/pprof del NVIDIA DCGM Exporter.

Come funziona l’attacco

Il problema nasce dalla gestione delle richieste di profilazione concorrenti. Richieste simultanee non autenticate a questi endpoint causano consumo incontrollato di risorse. Di conseguenza, il sistema può subire:

  • Denial of Service (DoS)
  • Divulgazione di informazioni sensibili
  • Crash del sistema di monitoraggio GPU

Perdere la visibilità sui carichi di lavoro AI è un rischio operativo serio. Un’infrastruttura GPU cieca è un’infrastruttura indifendibile.

La risposta di NVIDIA

NVIDIA ha rilasciato una correzione nel settembre 2026. La versione 4.8.2 o successiva di DCGM Exporter risolve la vulnerabilità. L’aggiornamento è raccomandato per tutti gli operatori che utilizzano questo strumento.


Perché l’AI Infrastructure è un bersaglio crescente

Il trend è chiaro: le infrastrutture AI diventano obiettivi sempre più attraenti. I cluster GPU sono costosi, concentrati e operativamente critici. Inoltre, sono spesso connessi a sistemi cloud, Kubernetes e orchestration.

Un pattern ricorrente nel settore

Il caso NVIDIA DCGM Exporter illustra una dinamica ben nota. Le organizzazioni deployano strumenti di osservabilità per uso interno. Poi, per errori di configurazione, li espongono inavvertitamente a internet.

Questo pattern si ripete in settori diversi. Tuttavia, nel contesto AI, le conseguenze sono ampliate dalla natura strategica dei dati in gioco. La telemetria esposta può supportare attività di intelligence competitiva o preparare attacchi mirati.

In particolare, i manager e i CISO devono comprendere che l’espansione dell’ambiente AI aumenta la superficie d’attacco. Ogni nuovo strumento di monitoraggio, debug o gestione è un potenziale punto d’ingresso.


Come difendere l’infrastruttura AI: raccomandazioni pratiche

La priorità immediata è aggiornare NVIDIA DCGM Exporter alla versione 4.8.2 o successiva. Verificare anche che i componenti DCGM sottostanti siano aggiornati secondo le indicazioni NVIDIA.

Misure tecniche da implementare subito

Ecco le azioni consigliate per ridurre l’esposizione:

  1. Disabilitare --enable-pprof se il profiling non è necessario
  2. Limitare /debug/pprof ad amministratori e sistemi di monitoraggio autorizzati
  3. Binding su interfacce loopback o private, non su interfacce pubbliche
  4. Proteggere con firewall o security group cloud gli exporter esposti
  5. Consentire l’accesso solo da infrastrutture Prometheus designate
  6. Applicare VPN o zero-trust per l’amministrazione remota

Inoltre, è fondamentale mantenere un inventario aggiornato degli asset. Questo deve includere host GPU, exporter, servizi Kubernetes e regole di ingress. La scansione continua per esposizioni pubbliche è essenziale.

Raccomandazioni per i business leader

I responsabili aziendali devono finanziare SLA di patching chiari. L’attack surface monitoring esterno deve essere continuo, non periodico. Di conseguenza, la perdita di un servizio di monitoraggio non deve eliminare la visibilità sui carichi di lavoro critici.


Conclusione

Il caso NVIDIA DCGM Exporter ricorda che la sicurezza dell’AI non riguarda solo i modelli. Riguarda l’intera infrastruttura che li sostiene. Aggiornare, segmentare e monitorare sono oggi le azioni più urgenti.


Fonti:

Fonte: Articolo originale


Il caso NVIDIA DCGM Exporter evidenzia quanto sia urgente per le organizzazioni condividere tempestivamente threat intelligence sulle esposizioni di infrastrutture AI, prima che gli scanner automatizzati le sfruttino. Piattaforme come IsacChain permettono la condivisione sicura e verificata di questi indicatori tra ISAC e settori critici, supportando al contempo la compliance NIS2 in modo automatizzato e tracciabile. La verifica blockchain garantisce l’integrità e la provenienza di ogni dato di intelligence condiviso, riducendo i tempi di risposta agli incidenti e aumentando la resilienza collettiva. Scopri come IsacChain può aiutare la tua organizzazione su www.isacchain.com