Her er hva forskningen avslører, og hvorfor strømnettregulatorer allerede behandler det som en alvorlig ny trussel.
En GPU's elektriske strømforbruk følger direkte dens beregningsbelastning: tung beregning trekker høy strøm; inaktivitet trekker lav strøm. En ondsinnet skyleietaker veksler ganske enkelt mellom disse tilstandene ved å bruke legitime GPU-arbeidsbelastninger. Dette skaper kontrollerbare strømsvingninger i stikkontakten som sprer seg gjennom anleggets strøminfrastruktur og ut i det lokale nettet .
Angrepet krever ingen skadelig programvare, ingen rettighetsutvidelse og ingen inntrengning i nettets kontrollsystemer – leietakeren har allerede rett til å kjøre GPU-jobber .
| Teknikk | Tilnærming | Maks modulasjonsfrekvens |
|---|---|---|
| SWMA (Synthetic Workload Modulation Attack) | Egendefinerte CUDA-kjerner som raskt veksler GPU mellom beregningsintensive og inaktive tilstander | Opptil 6 000 Hz på Nvidia GPUer |
| LTMA (LLM Training Modulation Attack) | Manipulering av treningssløyfen til en legitim stor språkmodell for å skape periodiske strømsvingninger | Lavere frekvens, men vanskeligere å skille fra normal AI-trening |
SWMA produserte de raskeste svingningene (over 6 000 Hz), mens LTMA oppnådde modulasjon innenfor rekkevidden av legitime LLM-treningsmønstre . Begge teknikkene viser at en skyleietaker kan produsere strømsvingninger langt raskere enn den milde svingningen til et husholdningsapparat som en luftkondisjonering .
Forskerne modellerte virkningen i to skalaer:
1 000 synkroniserte GPUer på et 1 MW lokalt system: Strømsvingninger drev total harmonisk forvrengning over 10 %, noe som forårsaket ustabil spenning i 3 av 5 IEEE referansedistribusjonslinjer og utløste beskyttelsesreléer . Angrepet hadde en over 80 % sannsynlighet for å forårsake kaskadefeil og strømbrudd i det lokale distribusjonsnettet .
Skalert til en europeisk transmisjonsnettmodell: Synkroniserte strømsvingninger ved resonansfrekvenser kunne spre seg som interområdesvingninger over vidstrakte transmisjonskorridorer, noe som truer kontinental stabilitet .
Bit2Watt-angrepet kommer mens nettregulatorer har utstedt stadig mer presserende advarsler om pålitelighetsrisikoen ved AI-datasentre.
North American Electric Reliability Corporation (NERC) har dokumentert at AI-treningsanlegg i gigawatt-skala kan falle 1 000+ MW på under et sekund når beskyttelsessystemer utløses – raskere enn konvensjonelle nettsikringer kan reagere . I mai 2026 utstedte NERC en sjelden Level 3 "Essential Actions"-advarsel – sitt høyeste beredskapsnivå – etter flere hendelser der over 1 GW datasenterlast koblet seg brått fra, noe som forårsaket frekvensoversvingninger og spenningstopper . NERC har dokumentert to spesifikke hendelser: en i februar 2025 som kuttet omtrent 1 800 MW og en annen i juni 2025 som kuttet omtrent 1 300 MW .
NERCs pålitelighetsrapport for 2026 identifiserer eksplisitt pulserende og ikke-lineære lastegenskaper hos datasentre som en ny pålitelighetstrussel . Federal Energy Regulatory Commission (FERC) har siden pålagt NERC å etablere obligatoriske pålitelighetsstandarder for beregningsbelastninger (inkludert AI-anlegg) innen 31. desember 2026 .
Disse advarslene er ikke teoretiske. I begynnelsen av 2025 koblet omtrent 40 datasentre i Loudoun County i Virginia – «datasenteralleen» nær Washington, D.C. – seg samtidig fra nettet etter transmisjonsforstyrrelser. Noen rapporter sier 60 sentre koblet seg ut. Det kombinerte lastfallet (omtrent 1 500 MW) risikerte systemfeil og tvang nettoperatører til å kjempe for å gjenopprette balansen .
Forskerne beskrev en selvforsterkende DoS-mekanisme: nettspenningsustabilitet forårsaket av strømsvingninger utløser beskyttelsessystemer inne i datasenteret, som struper eller kobler fra servere. Dette forsterker strømforstyrrelsen tilbake til nettet. Datainfrastrukturens egne sikkerhetssystemer forverrer nettfeilen, som deretter ytterligere forstyrrer databehandlingen – en lukket sløyfe med toveis destabilisering .
Hver operasjon leietakeren utfører er legitim skybruk – å starte GPU-kjerner, trene modeller, forbruke tildelte beregningssykluser. Det er ingen ondsinnet nyttelast, ingen utnyttet sårbarhet og ingen uautorisert tilgang. Eksisterende inntrengningsdeteksjonssystemer, antivirusprogrammer og skyovervåkingsverktøy ser etter programvareavvik, ikke strømforbruksmønstre. Fordi angrepet ikke skaper mistenkelig nettverkstrafikk, filskriving eller prosessatferd, er det usynlig for tradisjonelle forsvar .
Artikkelen og nyhetsrapporter identifiserer flere forsvarsklasser som spenner over skyleverandører, GPU-produsenter og nettoperatører:
Forfatterne argumenterer for at Bit2Watt-angrepet befinner seg i skjæringspunktet mellom tre distinkte domener – skydatabehandling, GPU-maskinvareutforming og elektriske kraftsystemer – som hver for seg opererer med uavhengige sikkerhetsmodeller og ingen tverrdomene-trusseloversikt. Ingen enkeltaktør kan fullt ut mitigere det :
Angrepsklassen kan være operativ år før de separate bransjene koordinerer et forsvar. Forfatterne etterlyser forebyggende felles standarder og mekanismer for sanntids informasjonsdeling før en motstander våpenfører teknikken i det fri .