Le programme de cette session est le suivant :
-
10:00 - 11:00 - Colombier Brice (Laboratoire Hubert Curien, Université Jean Monnet, Saint-Étienne)
Sécurité physique du mécanisme d'encapsulation de clé Classic McEliece
Address : Inria Center of the University of Rennes - Espace de conférences
Le mécanisme d'encapsulation de clé Classic McEliece faisait partie des candidats toujours en lice au dernier tour du processus de standardisation de la cryptographie post-quantique initié par le NIST en 2016. Fondé sur les codes correcteurs d'erreurs, en particulier autour du cryptosystème de Niederreiter, sa sécurité n'a pas été fondamentalement remise en cause. Néanmoins, un aspect important du processus de standardisation était l'évaluation des implémentations face aux attaques physiques, par observation des canaux auxiliaires ou par injection de fautes.
Dans cette présentation, nous présenterons une série de travaux balayant un large spectre d'attaques physiques appliquées à Classic McEliece, allant de l'injection de fautes par laser aux attaques par observation des canaux auxiliaires non-supervisées. Nous mettrons également en évidence des aspects théoriques liées aux vulnerabilités exploitées, et des pistes de contre-mesures.
-
11:00 - 12:00 - CASALINO Lorenzo (CentraleSupélec)
Double Strike: Breaking Approximation-Based Side-Channel Countermeasures for DNNs
Address : Inria Center of the University of Rennes - Espace de conférences
Deep neural networks (DNNs) undergo lengthy and expensive training procedures whose outcome - the DNN weights - represents a significant intellectual property asset to protect.
Side-channel analysis (SCA) has recently appeared as an effective approach to recover this confidential asset of DNN implementations.
Ding et al. (HOST’25) introduced MACPRUNING, a novel SCA countermeasure based on pruning, a performance-oriented Approximate Computing technique: at inference time, the implementation randomly prunes (or skips) non-important weights (i.e., with low contribution to the DNN’s accuracy) of the first layer, exponentially increasing the side-channel resilience of the protected DNN implementation.
In this presentation, we describe a preprocessing methodology taking advantage of a control-flow dependency intrinsic to the countermeasure's design.
Through practical experiments, we demonstrate the effectiveness of our methodology, recovering up to 96% of the important weights of a MACPruning-protected Multi-Layer Perceptron.
Moreover, we show how microarchitectural leakage improves the effectiveness of our methodology, even allowing for the recovery of up to 100% of the targeted non-important weights.
Lastly, by adapting our methodology, we elaborate on how the pruning mechanism, which depends on the importance of the weights, enables the circumvention of a control-flow-free MACPRUNING implementation.With this last point, we identify the pruning mechanism underlying MACPRUNING as the root of the countermeasure’s vulnerability.