OpenVINO 2026.4.1:拒收伪造的编译模型,顺手修掉 NPU 崩溃

OpenVINO 2026.4.1:拒收伪造的编译模型,顺手修掉 NPU 崩溃

3天前
duguying
3 阅读
来源:GitHub

编译 blob 导入加固整数溢出与递归解析,Core Ultra 3 的 NPU 崩溃修复,GroupQueryAttention 补因果注意力与部分 RoPE。

相关标签

#GitHub#Trending#推理#NPU

模型编译一次、跑在客户端上,这套流程里有个环节长期被当成”性能缓存”而不是”安全边界”:编译产物(compiled blob)。

OpenVINO 的 2026.4.1 补丁说明把这一层点破了。在 NPU 部分,它写了一句很少出现在推理框架更新日志里的话——加固 compiled blob 导入:修掉元数据解析中可能的整数溢出、给兼容性字符串解析加上递归上界、并且直接拒收伪造的 blob。

为什么编译产物会成为攻击面

推理框架的常见做法是把离线编译好的模型存成二进制文件,运行时直接加载,跳过图优化与算子选择。省下的是启动时间,付出的是”这个文件从哪来、被谁改过”没有任何校验。一个被替换掉的 blob 可以携带越界的形状、异常的元数据长度,甚至借解析器的整数溢出拿到任意写。

2026.4.1 的三处修补正好对应三种典型手法:长度字段溢出、递归解析被构造的深层字符串打爆栈、以及”格式看着对、来源不可信”的整体拒收。

还有一批越界写被顺手堵上

同一版本在通用算子层加了几道校验,都是典型的内存安全坑:

  • ScatterElementsUpdate 补索引校验;
  • Col2Im 的形状推导加除零与溢出守卫;
  • ONNX Pad 的 axes 校验,挡住一次潜在的越界写。

这类修复单看每条都很小,但它们集中在同一次补丁里出现,说明维护方在做系统性的模糊测试而不是等报告。

一个会直接崩应用的 NPU 问题

NPU 侧还修了一个具体到驱动版本号的崩溃:Intel Core Ultra Series 3 处理器在 Windows 上,遇到特定版本的 Intel NPU PV 驱动(32.0.100.4300、32.0.100.4509、32.0.100.4512)会异常崩溃。官方给出的处置很明确——如果你在 2026.2、2026.3 或 2026.4 上遇到该现象,建议直接升到 2026.4.1。

对做端侧产品的团队,这条比任何性能数字都实际:崩溃发生在用户机器上,日志还未必指得回驱动版本。

LLM 推理侧的实质改进

性能与能力上,这次的重点是 ONNX 前端的 GroupQueryAttention:

  • 增加因果注意力(causal attention)与部分旋转位置编码(partial RoPE)支持,扩大了对现代 LLM 结构的覆盖面;
  • MatMulNBits 支持 bfloat16,并重排权重 / scale / zero-point 的布局,让更多量化模型能被正确解码;
  • 修滑窗 KV-cache 路径的正确性问题,其中一条是 ScatterUpdate 的越界索引——在 GPU 上可能导致内存损坏或驱动崩溃;另一条是 f8e4m3 等低精度类型下 Gather 的形状推导错误(现在滑窗 KV-cache 已启用 f8e4m3 的 Gather)。

GPU 侧另有几处修正:动态形状下,模型输出带转置时使用远程(zero-copy)输出张量会得到错误或损坏的结果;GRU 序列模型在动态形状下结果不正确;blocked-format 的 reorder 偏移量算错;reshape 节点上的布局/格式传播在编译期递归出错。

CPU 的一个开关终于生效了

OV_CPU_MAX_ISA(限制使用的最高指令集)此前只在 debug 构建里起作用,release 构建中被忽略。2026.4.1 让它真正生效,并建模为特性位掩码;同时 JIT 的 kernel 选择也与该上限对齐,避免”限制了指令集但算子仍按高指令集生成”导致结果错误。

对一个要在客户现场的旧机器上跑推理的团队,这个开关决定”能不能不换硬件”。

小结

OpenVINO 是 Intel 主导的开源推理工具链,支持 PyTorch、TensorFlow、ONNX、Keras、PaddlePaddle、JAX/Flax 训练的模型,可跑在 x86/ARM CPU、集成与独立 GPU、以及 Intel NPU 上。它今天在 Trending 上只涨了 24 星,属于老项目回榜,但 2026.4.1 这份补丁说明透露的信号比 star 数更值得注意:当推理部署进入生产环境,”编译缓存可信”和”算子不越界”已经和吞吐、延迟一样,属于必须交代的指标。

仓库地址:https://github.com/openvinotoolkit/openvino

返回列表

更多资讯

想看更多优质内容?

浏览所有资讯