安全说明

漏洞提示

PyTorch 1.11.0存在CVE-2022-45907漏洞，该漏洞因torch.jit.annotations.parse_type_line方法中不安全使用eval方法，存在可以执行任意代码风险。torch_npu已参考LINK进行修复。

安全加固

网络加固

防火墙规则设定和移除示例：

1. 针对特定端口设定防火墙，脚本中端口号为要限制的端口，在PyTorch分布式训练中端口号请参考表3 通信矩阵；要限制的网卡名为服务器用于分布式通信使用的网卡，允许的外部访问的IP为分布式训练服务器的IP地址。网卡和服务器IP可以通过ifconfig查看，如下文回显的eth0为网卡名，192.168.1.1为服务器IP地址：

   # ifconfig        
   eth0   
        inet addr:192.168.1.1 Bcast:192.168.1.255 Mask:255.255.255.0
        inet6 addr: fe80::230:64ee:ef1a:c1a/64 Scope:Link
   

2. 假定服务器主节点地址192.168.1.1，另一台需要进行分布式训练的服务器为192.168.1.2，训练端口为29510。
   • 规则设定可参考如下脚本：

     #!/bin/bash
     set -x
     
     # 设定侦听的端口
     port=29510
     
     # 清除旧规则
     iptables -D INPUT -p tcp -j PORT-LIMIT-RULE
     iptables -F PORT-LIMIT-RULE
     iptables -X PORT-LIMIT-RULE
     
     # 创建新的PORT-LIMIT-RULE规则链
     iptables -t filter -N PORT-LIMIT-RULE
     
     # 在多机场景下设定白名单，允许192.168.1.2访问主节点
     # 在PORT-LIMIT-RULE规则链中添加允许特定IP地址范围的规则
     iptables -t filter -A PORT-LIMIT-RULE -i eno1 -p tcp --dport $port -s 192.168.1.2 -j ACCEPT
     
     # 屏蔽外部地址访问分布式训练端口
     # 在PORT-LIMIT-RULE规则链中添加拒绝其他IP地址的规则
     iptables -t filter -A PORT-LIMIT-RULE -i eth0 -p tcp --dport $port -j DROP
     
     # 将流量传递给PORT-LIMIT-RULE规则链
     iptables -I INPUT -p tcp -j PORT-LIMIT-RULE

   • 规则移除可参考如下脚本：

     #!/bin/bash
     set -x
     # 清除规则
     iptables -D INPUT -p tcp -j PORT-LIMIT-RULE
     iptables -F PORT-LIMIT-RULE
     iptables -X PORT-LIMIT-RULE

权限控制

• 建议用户对训练所需文件、训练过程中保存的文件、用户个人的隐私数据、商业资产等敏感文件做好权限控制等安全措施，例如多用户共享数据集场景下的数据集文件写权限控制、profiler等场景产生数据文件权限控制等，设定的权限建议参考表1 文件权限参考进行设置。
• torch_npu中profiler工具会生成性能记录文件，生成的文件权限为640 ，文件夹权限为750 ，用户可根据需要自行对生成后的相关文件进行权限控制。

网络通信

PyTorch提供分布式训练能力，支持在单机和多机场景下进行训练，需要进行网络通信。其中PyTorch需要使用TCP进行通信，torch_npu使用CANN中HCCL在NPU设备间通信，通信端口见表3。用户需要注意并保障节点间通信网络安全，可以使用iptables等方式消减安全风险，可参考安全加固章节进行网络安全加固。

数据安全

• PyTorch和torch_npu提供的profiler性能分析工具和torch_npu提供AOE性能调优工具都会在本地生成性能拆解数据。用户需加强对相关数据的保护，需要模型性能调优时使用，调优完成后及时关闭，AOE和Profiler工具具体细节请参考《PyTorch 模型迁移和训练指南》。

编译安全

torch_npu支持源码编译安装，在编译时会下载依赖第三方库并执行构建shell脚本，在编译过程中会产生临时程序文件和编译目录。用户可根据需要自行对源代码目录内的文件进行权限管控避免安全风险。

运行提示

• 建议根据运行环境资源状况编写训练脚本。若训练脚本与资源状况不匹配，如数据集的size超出内存容量/NPU存储容量等，可能引发错误并导致进程退出。

公网地址

在torch_npu的配置文件和脚本中存在表2：

接口说明

AscendPyTorch是PyTorch适配插件，支持用户使用PyTorch在昇腾设备上进行训练和推理。AscendPyTorch适配后支持用户使用PyTorch原生接口。除了原生PyTorch接口外，AscendPyTorch提供了部分自定义接口，包括自定义算子、亲和库和其他接口，支持PyTorch接口和自定义接口连接，具体可参考《PyTorch 模型迁移和训练指南》>API列表。

通信矩阵

通信矩阵具体可参考下表。