Securing Elliptic curve cryptography against template and horizontal attacks

L’expansion de l’Internet des Objets (IoT) impose le déploiement d’outils cryptographiques afin d’assurer la confidentialité, l’authenticité et l’intégrité des données qui transitent au sein de réseaux IoT. Ces outils cryptographiques sont basés sur des standards mondiaux dont la sécurité a été éprouvée par la communauté (FIPS, RFC…). Cependant, les attaques par canaux auxiliaires sont rarement ou partiellement prises en compte dans ces standards. Ceci est dû à la difficulté de se protéger contre ce type d’attaques car leur faisabilité et efficacité dépend de nombreux paramètres : choix d’implémentations, architecture du processeur, technologie utilisée…La cryptographie basée sur les courbes elliptiques (ECC) est de plus en plus utilisée dans des applications IoT grâce à leur performance et la faible taille des clefs. L’état de l’art des attaques par canaux auxiliaires a permis de construire une connaissance approfondie de la sécurité physique inhérente à ce type de cryptographie. Parmi l’ensemble des attaques par canaux auxiliaires, les attaques par Templates et les attaques Horizontales sont des catégories d’attaques qui, par construction, peuvent s’adapter très aisément à de nombreux cas d’usages. Tout particulièrement, ces attaques permettent de se rapprocher d’attaques envisageables dans un cas réel d’utilisation des courbes elliptiques. En effet, plusieurs protocoles ECC utilisent des clefs éphémères k pour calculer kP (ECDH, ECDSA), ainsi pour attaquer ces protocoles il faut privilégier des attaques offrant un taux de succès important en utilisant une seule et une trace d’attaque, ce qui est le cas avec les attaques par Templates et Horizontales.De plus, les attaques par canaux auxiliaires se sont dotées d’un nouvel outil afin d’augmenter leur efficacité : le machine learning. Dans le cadre de la cryptographie basée sur les courbes elliptiques ce nouvel outil n'a été que très peu utilisé et son impact sur ce type d’implémentations est peu étudié. Il a été montré que cet outil permet de passer outre des contremesures dans le cas de la cryptographie symétrique. Pour les ECC, l’impact de ce nouvel outil sur l’arithmétique des courbes elliptiques et sur les contremesures est inconnu. Par ailleurs, cet outil s’interface parfaitement avec les attaques par Templates et Horizontales. Les premières pour des attaques supervisées et les secondes pour des attaques non supervisées.L’objectif de cette thèse est d’évaluer les propriétés de sécurités des ECC face aux attaques par Templates et Horizontales les plus évoluées qui font appel au machine learning. En fonction des résultats obtenus de nouvelles contremesures devront être construites afin de pallier à d’éventuelles nouvelles faiblesses.L’étudiant devra élaborer de nouvelles attaques et mesurer leur faisabilité en expérimentant sur des bancs d’attaques disponibles au laboratoire. De ces attaques, l’étudiant devra élaborer de nouvelles contremesures ou utiliser des contremesures existantes et d’évaluer la protection qu'elles apportent aux implémentations ECC.