ANR · 2018
MOOSIC — Synthèse optimisée multi-objectifs pour améliorer la sécurité
Les Chevaux de Troie Matériels (CTM) sont des blocs malveillants insérés dans un système sur puce (SoC) par des tiers non dignes de confiance lors de la conception/fabrication des circuits intégrés (CI). Ils sont une menace réaliste pour la sécurité automobile et militaire. Les CTMs modifient le comportement des SoCs induisant un déni de service, une fiabilité réduite ou des fuites d'informations confidentielles. Ces attaques conduisent à une perte de plusieurs milliards de dollars par an pour l'industrie des semi-conducteurs. Des contre-mesures existent pour détecter ou prévenir les CTMs. Dix années de recherche ont montré que, vu la nature furtive de la menace et les différents types de CTMs, détecter est très difficile. Prévenir consiste à modifier le flot de conception pour y intégrer la sécurité. Malgré son coût important, c’est un moyen de lutte plus efficace. Ainsi, des méthodes de conception visant la confiance du matériel (Design-for-Hardware-Trust DfHT) ont vu le jour avec différents objectifs et impacts sur les performances. Le projet MOOSIC vise un cadre méthodologique dédié à la sécurité pouvant être intégré dans le flot de conception des CIs. L'objectif est de tenir compte, dès le début de la conception, à la fois des contre-mesures et des performances pour assurer que le SoC est fonctionnel malgré des vendeurs d’IP ou des fondeurs non fiables. Pour atteindre cet objectif le projet envisage d'établir et d'évaluer des propriétés de sécurité puis de les intégrer au flot de conception avec des techniques d'optimisation multi-objectifs. Ceci repose sur une modélisation mathématique du problème intégrant à la fois les performances et les effets des CTMs permettant ainsi de trouver un bon compromis entre le niveau de sécurité recherché et la performance. Ainsi le SoC permettra de lutter contre la cybercriminalité sans coût supplémentaire significatif. Cette méthodologie sera validée sur des cas d'utilisation industriels. Le projet sera mené par 2 laboratoires de recherche spécialisés en informatique et en conception de SoC (LIRMM et LIP6), un institut public (CEA) dédié aux recherches technologiques et la "société de sécurité" (Secure-IC). Il sera divisé en 4 lots scientifiques : 1. Évaluation de l'architecture en termes de sécurité et proposition de solutions matérielles pour l'améliorer (LIRMM) 2. Proposition d'une modélisation mathématique complète du problème (basée sur la théorie des graphes ou la programmation mathématique) qui supporte toutes les contraintes et objectifs (sécurité, surface, fréquence, consommation) ainsi que des stratégies de résolution optimales pour l'insertion automatique de contre-mesures (CEA) 3. Proposition d'une méthodologie intégrant le modèle et les solutions proposées (LIP6) 4. Validation sur des cas d'utilisation de l'industrie (Secure-IC) La cybersécurité est un enjeu majeur de la confiance en l'Internet des Objets. Sachant que d'ici 2020, il y aura plus de 25 milliards d'objets connectés dans le monde représentant un revenu de plus de 4 milliards de dollars, se rendre compte à l’utilisation qu'un objet connecté contient un CTM, entraînerait un coût énorme mais porterait également atteinte à la viabilité de secteurs d'activité entiers. Cette menace est due à une course au bas coût où les concepteurs ne contrôlent plus toutes les étapes du flot de conception/fabrication et s'appuient sur des tiers (éventuellement non fiables). Tenir compte du problème au début de la conception, et ainsi assurer une confiance dans le matériel, aura un impact économique significatif. Dans ce projet, nous proposons d’intégrer à la fois les aspects de sécurité et aussi les contraintes habituelles (délai, consommation) dès la conception, ce qui représente une grande avancée scientifique. Pour le moment, la sécurité est généralement traitée indépendamment des autres. Ceci est parfaitement relayé par le DEFI 9 «Liberté et sécurité de l'Europe, de ses citoyens et de ses résidents» du Plan d'Action ANR 2018.
Participating units of Université Paris-Saclay
Data provenance
Sources : scanR. Data compiled on 27/10/2026. Found an error? It is corrected in the original source (HAL, RNSR, directory); see how.