L’AES (Advanced Encryption Standard) et les fonctions homomorphes sont des concepts essentiels en
cryptographie, mais ils ont des usages et des objectifs différents. Voici une présentation de leurs
applications pratiques :
1. Application de l’AES (Advanced Encryption Standard)
L’AES est un algorithme de chiffrement symétrique largement utilisé pour protéger les données. Son
principal atout est la rapidité d’exécution et sa sécurité éprouvée.
Exemples d’applications pratiques de l’AES
1. Chiffrement des fichiers et des disques :
• Outils comme BitLocker (Windows), FileVault (macOS) ou Veracrypt utilisent l’AES pour
protéger le contenu des disques durs.
• Chiffrement des fichiers PDF ou ZIP protégés par mot de passe (AES-256).
2. Communications sécurisées :
• Protocole TLS/SSL pour le chiffrement des connexions HTTPS.
• Chiffrement des communications de bout en bout (E2EE) dans les messageries telles que
Signal ou WhatsApp.
3. Chiffrement des bases de données :
• Les bases de données (comme PostgreSQL, MySQL, etc.) permettent de chiffrer les
colonnes ou les disques durs sous-jacents.
• Chiffrement des champs sensibles (comme les mots de passe et les numéros de carte de
crédit) via des outils comme Transparent Data Encryption (TDE).
4. Systèmes d’authentification et de stockage d’informations :
• Stockage de jetons d’authentification ou de sessions dans des systèmes distribués.
• Les frameworks de sécurité et les bibliothèques (comme JWT ou OAuth2) utilisent
parfois AES pour sécuriser les jetons.
5. Cryptographie embarquée (IoT, mobiles, cartes SIM, etc.) :
• Chiffrement des communications entre les objets connectés (IoT).
• Protection des clés de chiffrement embarquées dans les microcontrôleurs.
2. Application des fonctions homomorphes
La cryptographie homomorphe permet de traiter des données chiffrées sans avoir à les déchiffrer. Cela
est particulièrement utile dans des scénarios où la confidentialité des données est primordiale.
Exemples d’applications pratiques des fonctions homomorphes
1. Calculs sécurisés sur des données chiffrées (confidentialité des données)
• Cloud Computing : un client peut chiffrer ses données et les envoyer à un serveur cloud
(AWS, GCP, etc.). Le serveur peut effectuer des calculs (comme des statistiques) sur les données chiffrées
et renvoyer les résultats chiffrés au client, sans jamais voir les données en clair.
• Banques et assurances : Calcul des scores de crédit, évaluation des risques, etc., sur des
bases de données chiffrées pour protéger la vie privée des clients.
2. Confidentialité des modèles d’IA (Machine Learning sur données chiffrées)
• Dans l’apprentissage fédéré, on peut entraîner des modèles de machine learning sur des
données chiffrées sans jamais révéler les données sources (exemple : Google travaille sur la
confidentialité des modèles d’apprentissage automatique via la cryptographie homomorphe).
• Un modèle de détection de fraude (dans les banques) peut être utilisé pour évaluer les
transactions chiffrées d’un client sans jamais révéler les transactions en clair.
3. Vote électronique (e-voting)
• Les votes des électeurs peuvent être chiffrés de manière homomorphe. Les serveurs
peuvent calculer le résultat des élections (somme des votes) sans jamais connaître le choix de chaque
électeur. Cela garantit l’anonymat et l’intégrité des votes.
4. Recherche sécurisée dans des bases de données chiffrées
• Recherche sur des données chiffrées : Les bases de données chiffrées (par exemple,
MySQL avec MyDiamo ou CryptDB) permettent d’exécuter des requêtes de recherche ou des tris sur des
données chiffrées.
• Confidentialité des moteurs de recherche : Imaginons un moteur de recherche qui
pourrait répondre à des requêtes d’utilisateurs sans jamais voir leurs termes de recherche.
5. Confidentialité des systèmes de santé
• Partage des données médicales : Des hôpitaux peuvent partager des données médicales
chiffrées avec des chercheurs, qui peuvent les analyser de manière homomorphe, garantissant la
confidentialité des patients.
• Calculs d’analyses statistiques sur des données de santé chiffrées pour détecter des
tendances ou des anomalies (exemple : détection précoce de maladies).
