Application du chiffrement fonctionnel sur données confidentielles pour la conception de modèles d'apprentissage automatique - Archive ouverte HAL Access content directly
Conference Papers Year : 2023

Application du chiffrement fonctionnel sur données confidentielles pour la conception de modèles d'apprentissage automatique

Tom Laborde
  • Function : Author
  • PersonId : 1320934
Alexandre Gensse
  • Function : Author
  • PersonId : 1320935
Philippe Chartier
  • Function : Author
  • PersonId : 833467
Mohammed Lemou
  • Function : Author
  • PersonId : 858255
Florian Méhats
  • Function : Author
  • PersonId : 832682
Clément Gicquel
  • Function : Author
  • PersonId : 1320937

Abstract

L'accès aux données est un prérequis à la conception de modèle par apprentissage automatique. Dans certains secteurs d'application, comme la santé, le bancaire ou la défense, les données sont jugées confidentielles si bien que leur partage est particulièrement complexe, voire impossible. En réponse à ce verrou applicatif, nous nous intéressons dans ces travaux au chiffrement fonctionnel, technique de cryptographie qui permet l'accès sécurisé à fonction spécifique de données chiffrées. En nous appuyant sur un cas d'application concret de l'industrie de défense, nous montrons que le chiffrement fonctionnel est d'ores et déjà applicable à des données représentatives de la réalité industrielle et étudions son impact sur les performances de modèles obtenus par apprentissage automatique.
Fichier principal
Vignette du fichier
paper3.pdf (395.96 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-04328455 , version 1 (07-12-2023)

Licence

Attribution

Identifiers

  • HAL Id : hal-04328455 , version 1

Cite

Tom Laborde, Alexandre Gensse, Philippe Chartier, Mohammed Lemou, Florian Méhats, et al.. Application du chiffrement fonctionnel sur données confidentielles pour la conception de modèles d'apprentissage automatique. Conference on Artificial Intelligence for Defense, DGA Maîtrise de l'Information, Nov 2023, Rennes, France. ⟨hal-04328455⟩
42 View
15 Download

Share

Gmail Facebook X LinkedIn More