Quantifying Side-Channel Leakage in Public Metrology Releases

Résumé Technique : Quantification de la Fuite par Canal Latéral dans les Publications de Métrologie Publiques

Énoncé du Problème
Les publications scientifiques et métrologiques publiques, telles que les spectres de rugosité issus de la fabrication de semi-conducteurs, peuvent involontairement divulguer des paramètres de processus cachés (recettes) que l'entité émettrice souhaite garder privés. Une fois qu'une mesure est publiée, un observateur peut utiliser celle-ci pour récupérer des réglages de processus spécifiques — tels que le chargement du quencher, la longueur de transport de l'acide ou l'amplitude stochastique — sans l'intention du diffuseur. Le document formalise ce risque comme un audit de canal latéral statistique profilé. Le défi central est de quantifier combien de spectres publiés sont nécessaires pour qu'un bit de recette protégé devienne statistiquement distinguable au sein d'une classe d'utilité publique, compte tenu de contraintes spécifiques sur les ressources de profilage de l'adversaire.

Méthodologie
Les auteurs proposent un cadre rigoureux qui adapte le flux d'information quantitatif et le raisonnement d'attaque par empreinte (template-attack) profilé aux publications scientifiques publiques. La méthodologie est structurée autour d'un « jeu recette-diffusion » impliquant un propriétaire de la diffusion et un observateur profilé.

1. Modélisation du Canal : Le transcript public est modélisé comme une bande de Densité Spectrale de Puissance (PSD) diffusée. Pour l'étude de cas de la lithographie EUV (Extrême Ultraviolet), le spectre est modélisé comme un champ de réaction-diffusion écranté :
   $$S(k) = A e^{-\beta k^2}(1 + \lambda^2 k^2)^{-3/2} + S_0$$
   Ici, $A$ (amplitude) et $\beta$ (flou) sont traités comme des coordonnées de nuisance, $S_0$ est le plancher de métrologie, et $\lambda$ est la coordonnée de transport protégée.
2. Formalisme Statistique :
   • Canal Gamma : Pour les bacs (bins) de PSD moyennés, les auteurs dérivent des vraisemblances exactes en supposant que les bacs indépendants suivent une distribution Gamma.
   • Canal Pondéré par la Covariance : Lorsque les bacs sont corrélés (par exemple, en raison de segments chevauchants), le modèle est remplacé par un canal de log-spectre pondéré par la covariance.
   • Métriques de Divergence : Le cadre calcule les divergences de Kullback-Leibler (KL) exactes et les exposants de Chernoff pour quantifier la distinguabilité entre deux recettes équivalentes en utilité, séparées par une coordonnée protégée.
3. Classes d'Adversaires : L'audit évalue les adversaires selon leurs budgets de profilage :
   • Budget d'Entraînement ($Q$) : Nombre de spectres étiquetés utilisés pour entraîner les empreintes (templates).
   • Taille de la Bibliothèque ($N$) : Nombre d'empreintes stockées.
   • Budget de Calcul ($T$) : Nombre de scores de vraisemblance évalués.
   • Écart (Mismatch) : L'écart entre la distribution réelle des données et le modèle ajusté de l'adversaire.
     Le cadre fournit des bornes pour les tests par paires optimaux, les seuils de bibliothèque finie et les corrections pour l'entraînement fini et l'écart de modèle.

Contributions Clés

1. Jeu Explicite en Ressources : Une définition formelle du jeu recette-diffusion avec des budgets explicites $(N, Q, L, T)$ qui évaluent l'effort de l'adversaire, allant au-delà des limites théoriques de l'information idéale pour atteindre des contraintes pratiques.
2. Bornes Statistiques Exactes : Dérivation des vraisemblances exactes du canal gamma et des remplacements pondérés par la covariance pour les bacs corrélés, produisant des divergences KL, des exposants de Chernoff et des bornes d'avantage de bit protégé précises.
3. Loi de Transport de Bande Finie : Un résultat majeur établissant qu'après l'élimination de l'amplitude et du flou, l'information de transport d'acide protégée dans une bande de basse fréquence obéit à un exposant de neuvième ordre :
   $$I_{\lambda|\alpha,\beta}(K) = \frac{64}{1225} w \lambda^6 K^9 + O(w \lambda^8 K^{11})$$
   Cette loi est valable pour $K\lambda \ll 1$, où $K$ est la limite de la bande.
4. Analyse Couplée aux Nuisances : Un traitement du plancher de métrologie ($S_0$) et de la non-identifiabilité chimique, montrant comment le profilage du plancher réduit l'information et définissant les conditions sous lesquelles un audit « aveugle au plancher » est fiable.
5. Outil de Conception pour la Divulgation Contrôlée : Une méthode pour placer des tangentes protégées dans le noyau (nullspace) de la carte de diffusion, permettant de calculer la statistique publique qui maximise l'utilité tout en respectant un budget de fuite.
6. Protocole d'Audit Reproductible : Un protocole étape par étape (Section 8) pour transformer un PSD mesuré en exposants de fuite et bandes sûres, incluant des diagnostics pour l'ajustement gamma, l'estimation de la covariance et les marges d'écart.
7. Implémentation Ouverte : Un package Python à graine fixe qui reproduit tous les tableaux et figures, valide la loi asymptotique de neuvième ordre et inclut des simulations de Monte-Carlo.

Résultats

• Exposants de Fuite : L'étude confirme que la fuite évolue avec la puissance neuvième de la limite de la bande ($K^9$) dans le régime de basse fréquence. Cela implique que les diffusions passe-bas (petit $K$) cachent efficacement le bit protégé, tandis que la diffusion de données près ou au-delà du « genou de transport » ($K\lambda \sim 1$) augmente drastiquement la fuite.
• RMS vs PSD : Réduire un spectre à un seul scalaire RMS (racine carruse moyenne) détruit la majeure partie du signal d'attribution. Dans les audits synthétiques, les diffusions utilisant uniquement le RMS ont donné des taux de succès proches du hasard (environ 0,55), tandis que les diffusions PSD complètes ont atteint une attribution quasi certaine (environ 0,98) avec le même nombre de spectres.
• Pénalité d'Entraînement Limité : Le papier quantifie la pénalité lorsque l'adversaire dispose de données d'entraînement limitées ($Q$). Avec un profilage parcimonieux ($Q \le 20$), le taux de succès de l'adversaire reste proche du hasard, même si le canal théorique permet une fuite plus élevée. Le succès augmente de manière décisive seulement quand $Q \gtrsim 50$.
• Effets de Corrélation : La corrélation positive entre les bacs (par exemple, due à des moyennes de Welch chevauchantes) réduit l'information distinguable. Un audit gamma-diagonal (supposant l'indépendance) surestime la fuite par rapport à un audit pondéré par la covariance, servant ainsi de borne supérieure conservatrice.
• Conditionnement du Plancher : L'audit identifie un coin « bien conditionné » (faible plancher, bande modérée) où une analyse aveugle au plancher est valide. Dans les régimes mal conditionnés, le plancher de métrologie doit être explicitement profilé pour éviter de surestimer la protection.

Signification et Portée
Le papier prétend fournir un cadre d'audit de canal latéral statistique reproductible spécifiquement pour les publications de métrologie scientifique. Sa signification réside dans la transformation du risque abstrait de « fuite de données » en nombres concrets et calculables (exposants, bandes sûres et seuils d'échantillonnage) qu'un propriétaire de diffusion peut utiliser pour prendre des décisions de divulgation.

Les auteurs sont modestes quant à la portée :

• L'étude de cas EUV est une instanciation conditionnée par un modèle, et non un modèle de processus validé pour toute la lithographie.
• La « coordonnée protégée » $\lambda$ est une longueur de transport effective ; un spectre unique ne peut identifier de manière unique des taux chimiques individuels (par exemple, séparer le chargement du quencher du taux de perte) sans un balayage contrôlé.
• Les résultats actuels reposent sur des données synthétiques et reconstruites (incluant un « test de fumée » sur des points reconstruits à partir d'un article public) pour tester le pipeline.
• Le cadre est indépendant du modèle concernant le calcul (canaux gamma/covariance, bornes de divergence), mais repose sur le modèle de spectre écranné spécifique pour l'instanciation physique.

Le papier conclut que la prochaine étape est le déploiement de ce protocole sur des diffusions mesurées répétées pour estimer empiriquement les degrés de liberté effectifs et la covariance, passant ainsi des bornes théoriques à des garanties de sécurité mesurées et pratiques.