В "силки" компании Rambus добровольно пришёл ещё один "зверёк". Заявлено, что хорошо известная нам компания NVIDIA лицензировала определённую технологию компании Rambus для защиты от утечек данных. Речь идёт о технологии противодействия атакам типа DPA (Differential Power Analysis). Для защиты от DPA-атак компания Rambus разработала протокол, "железо" и комплект программ.

Атаки DPA или, по-русски, дифференциальный анализ энергопотребления — это неклассические атаки или атаки по побочным каналам. С помощью анализа потребления питания или электромагнитного излучения процессора, контроллера или платформы злоумышленник способен выявить ключи или другую критически важную для взлома системы информацию. Технология Rambus DPA Countermeasures маскирует ключи и не позволяет их определять на основе анализа ЭМИ или всплесков питания.

Отметим, технологию защиты от DPA-атак компания Rambus получила вместе с компанией Cryptography Research, которую она приобрела в 2011 году за $342 млн. Уже на тот момент клиентами Cryptography Research были такие компании, как Atmel, Infineon, Microsoft, NXP, Raytheon, Renesas, Samsung, STMicroelectronics, Toshiba и Visa. В 2014 году лицензию на DPA Countermeasures приобрела компания Cisco, а в нынешнем — компания Boeing. С помощью этой технологии Boeing будет защищать каналы связи для спутников и самолётов. Rambus уходит в космос! Неплохое вложение.

Компания NVIDIA, как нам известно, всеми силами стремится вырваться за рамки выпуска видеокарт для ПК. У неё есть продукты линейки Tesla (ускорители вычислений, глубинное обучение, ИИ), Quadro (графика для локальных и удалённых графических станций, виртуализация графики) и Tegra (SoC для автомобильных суперкомпьютеров). Всё из перечисленного выше в последние годы требует подключения: облака, игры, цифровое проектирование, ИИ, глубинное обучение и так далее. Подключение же немыслимо без защиты, так что лицензия Rambus на технологию DPA Countermeasures будет использоваться компанией NVIDIA для организации защиты фирменных удалённых платформ, связанных с графическими станциями, автопилотами и глубинным машинным обучением.