Les transparents.
Durant l’exécution d’un calcul cryptographique sur un système embarqué comme une carte à puce, il est parfois possible de retrouver de l’information sur les paramètres secrets ou les données utilisateurs en exploitant la dépendance statistique entre le comportement du matériel et la valeur des données manipulées.
Cette dépendance peut, par exemple, être observée via la mesure de la consommation de courant ou du rayonnement électromagnétique des composants électroniques. Depuis leur introduction dans le domaine publique dans les années 90, ces attaques dites « par analyse de canaux auxiliaires » ont été beaucoup étudiées et, pour les contrer, de nombreuses contre-mesures ont été développées par les industriels du domaine.
La caractérisation de la sensibilité des systèmes embarqués vis-à-vis de ces attaques est un sujet important pour l’ANSSI et un effort important est mené avec l’aide des CESTIs pour devancer tous les progrès qui pourraient être faits dans ce domaine.
Très récemment, des travaux ont montré que les techniques développées en intelligence artificielle, et en particulier l’apprentissage profond, permettaient d’améliorer notablement la qualité des caractérisations sécuritaires des composants face aux attaques par canaux auxiliaires.
Au cours de cet exposé, nous présenterons ces récentes avancées et nous expliquerons comment et pourquoi l’apprentissage profond permet d’améliorer l’état de l’art des évaluations sécuritaires des systèmes embarqués.