Informations générales
Entité de rattachement
Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.
Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.
Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.
Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :
• La conscience des responsabilités
• La coopération
• La curiosité
Référence
SL-DRT-24-0704
Direction
DRT
Description du sujet de thèse
Domaine
Défis technologiques
Sujets de thèse
Traitement du signal en cybersécurité : développement d’outils fréquentiels pour les attaques par observation et application à la biométrie vocale
Contrat
Thèse
Description de l'offre
La cryptographie embarquée sur les cartes à puce peut être vulnérable à des attaques par observation, basées sur l’interprétation des informations récupérées pendant l’exécution de l’algorithme. Cette fuite d’information est en général mesurée au niveau matériel sous la forme d’un signal de consommation de courant ou de rayonnement électromagnétique. Actuellement les méthodes pour exploiter ces signaux et retrouver des éléments secrets reposent essentiellement sur des outils statistiques.
Cependant l’information utilisée est partielle, car ces techniques exploitent principalement le signal dans l’espace temporel. Les signaux (appelés « traces » dans le cadre des attaques par observation) étant de plus en plus complexes, bruités et désynchronisés, et également très variables d’un composant à l’autre, l’application de méthodes de traitement de signal, en particulier d’une analyse temps/fréquence, permet d’obtenir des informations complémentaires provenant de l’espace fréquentiel. L’utilisation de ces informations peut conduire à une amélioration des attaques. L’état de l’art présente plusieurs méthodes autour des attaques par observation dans le domaine fréquentiel, mais elles sont actuellement peu exploitées.
Dans un premier temps, le doctorant pourra utiliser les traces et les outils existants pour se familiariser avec les attaques par observation. Il pourra ensuite s’appuyer sur la littérature existante autour des attaques en fréquentiel, en particulier sur les travaux de G. Destouet [1-2-3] qui explorent des nouvelles techniques de filtrage, compression, mais aussi détection de motifs dans le but d’une resynchronisation optimale, ou encore pour le découpage des traces dans le cadre d’attaques dites « horizontales ».
Ces travaux seront analysés et approfondis, le doctorant pourra explorer de nouvelles techniques, par exemple de nouvelles bases d’ondelettes, et testera ses algorithmes sur des bases de signaux adaptées.
Par ailleurs, des méthodes de « machine learning » appliquées aux attaques par observation sont actuellement à l'étude, et l’apport des données fréquentielles est également une piste d’amélioration lors de l’utilisation des réseaux de neurones. Le doctorant pourra s’appuyer sur les différentes méthodes déjà existantes en temporel et les élargir grâce aux transformées en ondelettes, afin d’améliorer l’apprentissage.
Ces différentes méthodes sont applicables à l’analyse des signaux en biométrie vocale. Le doctorant pourra, entre autres, étudier des réseaux de neurones utilisant les données fréquentielles, adaptés aux signaux audio obtenus en biométrie, ceci grâce aux ondelettes ou à l’analyse dite « cepstrale ».
La thèse aura lieu au CEA-Leti à Grenoble au sein d'un laboratoire de référence dans l'évaluation des dispositifs à haute sécurité (http://www.leti-cea.fr/cea-tech/leti/Pages/innovation-industrielle/innover-avec-le-Leti/CESTI.aspx).
[1] Gabriel Destouet Ondelettes pour le traitement des signaux compromettants. (Wavelets for side-channel analysis) https://theses.hal.science/tel-03758771
[2] Gabriel Destouet et al. \Wavelet Scattering Transform and Ensemble Methods for Side-Channel Analysis'. In : Constructive Side-Channel Analysis and Secure Design. Sous la dir. de Guido Marco Bertoni et Francesco Regazzoni. T. 12244. Series Title : Lecture Notes in Computer Science. Cham : Springer International Publishing, 2021, p. 71-89. isbn : 978-3-030-68772-4 978-3-030-68773-1. doi : 10 . 1007 / 978 - 3 - 030 -68773-1_4.
[3] Gabriel Destouet et al. Generalized Morse Wavelet Frame Estimation Applied to Side-Channel Analysis. ICFSP 2021: 52-57
Université / école doctorale
Mathématiques, Sciences et Technologies de l’Information, Informatique (MSTII)
Université Grenoble Alpes
Localisation du sujet de thèse
Site
Grenoble
Critères candidat
Formation recommandée
Master 2 mathématique, analyse numérique, informatique, traitement du signal
Demandeur
Personne à contacter par le candidat
CORNELIE Marie-Angela marie-angela.cornelie@cea.fr
CEA
DRT/DSYS/SSSEC/CESTI
17 rue des Martyrs
38054 Grenoble cedex 9
0438783470
Tuteur / Responsable de thèse
PERRIER Valérie valerie.perrier@univ-grenoble-alpes.fr
GRENOBLE INP - ENSIMAG
Laboratoire Jean Kunztmann
Laboratoire Jean Kunztmann
bâtiment IMAG, 700 avenue centrale
Campus universitaire
38400 Saint Martin d’Hères
France
0457421773
En savoir plus
http://www.leti-cea.fr/cea-tech/leti/Pages/innovation-industrielle/innover-avec-le-Leti/CESTI.aspx
http://scholar.google.com/citations?user=f7lZtTMAAAAJ&hl=fr&oi=ao