MINALOGIC Journée Securité IoT - PACLIDO

Bilan intermédiaire de l'avancement et premiers résultats du projet FUI PACLIDO dont l'objectif est de développer des Protocoles et Algorithmes de Chiffrement Légers pour l'Internet des Objets

Transcript

1. PACLIDO Premiers résultats du projet Journée Thématique Cybersécurité des objets connectés - 03/10/2019, Lyon
2. Qui suis-je ? Alexis DUQUE Directeur R&D • @alexis0duque • alexisduque • alexisd@rtone.fr • alexisduque.me • https://goo.gl/oNUWu6
3. Protocoles et Algorithmes Cryptographiques Légers pour l’Internet des Objets Projet collaboratif FUI sur 3 ans : 12/2017 - 2020 Financement BPI / Région RAA paclido.fr / @fui_paclido 3
4. Objectifs Algorithme de chiffrement symétrique authentifié “léger” Protocole de distribution de clés Protocole de supervision Algorithme de détection d’attaques par Machine Learning ➔ Domotique, Smart City, Usine Connectée ➔ BLE, Zigbee, LoRa, LoraWAN, VLC ➔ AVR (8bits), MSP (16bits), Cortex-M (32bits), Cortex-A (64bits)
5. Le rôle d’Rtone • Lead SP2 : Cas d’usage, démonstrateur et état de l’art • Lead SP6 : Dissémination et standardisation • Lead SP4.1 : Implémentation logicielles (algo. et détection d’attaques) • Implémentation sur ARM Cortex-M0+ (STM32), Cortex-M4 (nRF52840), Android (natif C++, Java/Kotlin) • Démonstrateurs domotiques
6. Travaux validés ✅ • Analyse des cas d’usages et définition des démonstrateurs • État de l’art scientifique • Design de l’algorithme LILIPUT-AE • 1ères implémentation sur toutes les plateformes • 2 publications de l’INRIA (protocoles de supervision) • Soumission à la compétition NIST LWC (29 mars 2019) • 1ère revue annuelle par la DGE
7. Outils Connectés - Bluetooth Low Energy
8. Serrure Connectée - Visible Light Communication
9. Démonstrateur Usine Connectée - Capteur LoRA 2.4 GHz
10. Éclairage publique de Saint Quentin en Yvelines - LoRaWAN • SP2
11. ASIC et jeu d’instructions pour architecture RISC-V
12. Etat de l’art scientifique • Attacks on radio, protocols and crypto • Use cases needs in terms of security • WSN, LoRaWAN, BLE, Hardware Security, Physical Attacks • Performance criteria for crypto and protocols • Lightweight cryptographic algorithms • Security protocols and supervisions for the dedicated use-cases • Machine learning algorithms for attacks detection
13. Lilliput-AE Algorithme de chiffrement symétrique authentifiée (AE) basé sur Lilliput [1] Tweakable Block Cipher [1] T. P. Berger, J. Francq, M. Minier, and G. Thomas, “Extended Generalized Feistel Networks Using Matrix Representation to Propose a New Lightweight Block Cipher: Lilliput,” IEEE Trans. Comput., vol. 65, no. 7, 2016. https://paclido.fr/lilliput-ae/
14. Lilliput-AE : performances sur MCU 8 bits AVR ATmega128
15. Lilliput-AE : performances sur MCU 32 bits ARM Cortex M3
16. Machine Learning Détection d’attaques Man-In-the-Middle sur Bluetooth Low Energy • Approche par reconstruction puis détection d'anomalie • Comparaison de 2 types de réseaux de neurones : Long Short Term Memory et Temporal Convolutional Network
17. Conclusion et travaux en cours • Optimisations de l'algorithme pour chaque plateforme ◦ temps d'exécution ◦ mémoire (Flash/RAM) • Démonstrateur LoRAWAN à SQY • Attaques physiques et techniques de masquage contre les attaques side-channel • Machine learning ◦ modèle de type Hidden Markov Model ◦ Reinforcement Learning
18. Merci de votre attention ! Questions ?