이 논문은 AI 컴퓨팅 검증이 국제 AI 거버넌스 정책에서 가장 구체적이고 실행 가능한 지점 중 하나라고 짚으며, 외부 관찰자가 NVIDIA H200 GPU의 전력 소비만으로 실행 중인 워크로드 종류를 식별할 수 있음을 보여준다. 조작 가능한 온칩 NVML 원격측정과 달리 전력 소비는 운영자의 협조 없이도 독립적으로 관측 가능한 물리적 채널이다. 연구진은 17개 오픈 LLM 계열과 25개 비AI 워크로드에 걸쳐 약 10MHz로 930개의 5초 트레이스를 수집해, 훈련·추론·비AI 연산을 97% 정확도와 매크로 평균 F1 0.955로 구분했다(훈련에 쓰이지 않은 모델 계열 대상). 운영자가 적대적으로 훈련을 추론으로 위장하려는 4가지 회피 전략을 시험한 결과, 강화된 탐지기는 4가지 중 3가지에서 99% 이상 훈련을 포착했고, 나머지 하나(희석된 LoRA)도 추가 구조 규칙을 더하면 탐지율이 98% 이상으로 상승했다.

• •GPU 전력 소비만으로 훈련·추론·비AI 워크로드를 97% 정확도로 구분 가능함을 실증
• •930개 트레이스, 17개 LLM 계열·25개 비AI 워크로드 대상 검증
• •온칩 원격측정과 달리 조작 불가능한 물리적 채널로 운영자 협조 없이 관측 가능
• •4가지 회피 전략 중 3가지는 강화 탐지기로 99% 이상 포착, LoRA 위장도 추가 규칙으로 98% 이상 탐지