Imaginez un monde où vous pouvez demander à un étranger de faire des mathématiques pour vous, mais sans jamais avoir à lui montrer vos nombres secrets. Vous verrouillez vos données dans une boîte magique et incassable, vous la lui remettez, et l'étranger effectue des calculs sur la boîte elle-même. Lorsqu'il vous la rend, vous déverrouillez la boîte pour trouver la réponse, et l'étranger n'a jamais vu un seul chiffre de vos données originales. C'est la promesse du chiffrement homomorphe (HE), un superpouvoir de la cryptographie moderne qui nous permet de calculer sur des données chiffrées sans jamais les déchiffrer. C'est comme envoyer une lettre scellée à un bureau de poste qui peut trier, tamponner et acheminer la lettre sans jamais ouvrir l'enveloppe pour lire l'adresse.

Mais voici le piège : une fois que cette lettre quitte vos mains, à qui appartient le travail à l'intérieur ? Si une entreprise utilise vos données chiffrées pour entraîner un modèle ou traiter un scanner médical, le résultat final est un nouvel actif numérique de grande valeur. Comment prouver que ce sont vos données qui ont été utilisées, ou que c'est leur algorithme spécifique qui a effectué le travail ? Dans le monde numérique, nous apposons généralement un filigrane sur les photos ou les chansons pour prouver la propriété. Mais vous ne pouvez pas simplement peindre un filigrane sur une boîte verrouillée ; si vous la rayez, vous risquez de briser la magie, et la boîte ne s'ouvrira plus. De plus, si la boîte circule et est traitée plusieurs fois, une simple rayure pourrait être complètement effacée. Les scientifiques essaient de trouver comment cacher une signature secrète à l'intérieur de ces boîtes magiques afin qu'elle survive au voyage et aux mathématiques, sans pour autant briser le verrou.

Cet article, intitulé « How to Watermark the RLWE Homomorphic Ciphertexts », s'attaque précisément à ce casse-tête. Les auteurs, dirigés par Yufei Zhou, proposent une façon de cacher de minuscules « filigranes » invisibles à l'intérieur du bruit mathématique de ces boîtes chiffrées. Ils ne se contentent pas de suggérer une idée vague ; ils construisent deux méthodes spécifiques et fonctionnelles et prouvent mathématiquement qu'elles fonctionnent. Imaginez cela comme cacher un message secret à l'intérieur du bruit statique d'un signal radio. Le message est là, mais pour l'auditeur occasionnel, cela ressemble simplement à de la statique. Les auteurs montrent que même après que le signal a été amplifié, mélangé à d'autres signaux ou passé à travers un filtre bruité, ce message secret peut toujours être trouvé par quelqu'un qui possède le bon décodeur.

L'article présente deux outils distincts pour cette tâche, chacun conçu pour un type différent de problème mathématique. Le premier outil, appelé ARWMark, est comme un autocollant robuste et flexible. Il est excellent pour survivre lorsque l'on additionne des choses (comme l'addition de nombres chiffrés), mais si l'on tente de multiplier les boîtes chiffrées, l'autocollant est mis en pièces. Le second outil, MRWMark, est plus semblable à une pièce de puzzle complexe et imbriquée. Il est beaucoup plus résistant ; il peut survivre à l'addition et à la multiplication de données chiffrées. Cependant, il est plus difficile à utiliser et nécessite beaucoup plus d'« espace » dans le bruit pour cacher le message. Les auteurs n'ont pas seulement rêvé de cela ; ils ont écrit du code, réalisé des milliers de simulations sur des ordinateurs puissants et montré que leurs filigranes restent cachés et détectables même lorsque les données chiffrées sont soumises aux épreuves de calculs complexes.

La Magie de la « Boîte Verrouillée »

Pour comprendre comment cela fonctionne, examinons les ingrédients. L'article repose sur un type de chiffrement appelé RLWE (Ring Learning with Errors). Imaginez que vous avez une recette secrète (vos données) et que vous voulez cuire un gâteau (calculer un résultat) dans la cuisine d'un étranger. Pour garder la recette en sécurité, vous ne lui donnez pas les ingrédients ; vous lui donnez un sac de farine contenant une infime quantité de sable invisible mélangée. L'étranger cuit le gâteau en utilisant cette farine « bruitée ». Lorsqu'il vous rend le gâteau, vous savez exactement quelle quantité de sable se trouvait dans la farine, de sorte que vous puissiez la soustraire pour obtenir le gâteau parfait. Le « sable » est le bruit. Dans le monde réel, ce bruit est une nécessité mathématique qui garantit la sécurité du chiffrement ; sans lui, la recette secrète pourrait être devinée.

Le problème est que ce bruit est aussi l'endroit idéal pour cacher un filigrane. Les auteurs ont réalisé que s'ils pouvaient cacher un motif minuscule et spécifique à l'intérieur du bruit, ils pourraient prouver qu'une boîte spécifique leur appartient. Mais il y a un risque : s'ils mettent trop de sable, le gâteau pourrait s'effondrer (le déchiffrement échoue). S'ils n'en mettent pas assez, l'étranger pourrait ne pas être en mesure de trouver le motif plus tard. Et si l'étranger mélange deux sacs de farine (addition homomorphe) ou les multiplie (multiplication homomorphe), les motifs de sable pourraient être brouillés ou balayés.

Les Deux Solutions : L'Autocollant et le Puzzle

Les auteurs proposent deux façons de résoudre cela, selon le type de mathématiques dont l'« étranger » a besoin.

1. ARWMark : L'autocollant « Résistant à l'Addition »
Cette méthode est conçue pour les situations où les données chiffrées sont principalement additionnées, comme lors du décompte de votes ou de la somme de statistiques médicales. Les auteurs traitent le filigrane comme un signal secret caché dans la statique. Ils choisissent une « clé » aléatoire (un motif de sable spécifique) et ajoutent une petite quantité de celle-ci au bruit de la boîte.

• Comment ça marche : Imaginez que vous avez un sac de farine avec du sable aléatoire. Vous y ajoutez une petite quantité spécifique de « sable bleu ». Lorsque vous voulez vérifier si le sac est le vôtre, vous cherchez le sable bleu.
• Le Piège : Cela fonctionne très bien si vous ajoutez simplement d'autres sacs de farine ensemble. Le sable bleu est simplement un peu dilué, mais il est toujours là. Cependant, si vous essayez de multiplier les sacs (une opération beaucoup plus complexe), le sable bleu est si profondément mélangé que le motif disparaît. L'article prouve mathématiquement que cette méthode est robuste face à l'addition, mais échoue face à la multiplication.
• Le Résultat : Ils ont montré que même après l'addition de nombreux nombres chiffrés, le motif du « sable bleu » pouvait encore être détecté avec une grande précision, à condition que la quantité initiale de sable bleu soit suffisante.

2. MRWMark : Le Puzzle « Résistant à la Multiplication »
C'est le poids lourd. Il est conçu pour les scénarios où les données sont multipliées, comme l'exécution d'un modèle d'IA complexe ou d'une inférence de deep learning. C'est beaucoup plus difficile car la multiplication brouille le bruit de manière chaotique.

• Comment ça marche : Au lieu de simplement ajouter un motif, les auteurs utilisent une astuce ingénieuse impliquant un « système d'équations linéaires ». Imaginez que vous ayez un ensemble de règles (comme une énigme) que seul un ensemble spécifique de nombres peut résoudre. Ils cachent un ensemble de nombres à l'intérieur du bruit qui résout cette énigme.
• La Magie : Lorsque l'on multiplie les boîtes chiffrées, l'arithmétique de la multiplication préserve la solution de l'énigme. C'est comme si vous aviez un puzzle dont les pièces s'emboîtent, et même si vous secouiez la boîte, les pièces s'emboîteraient toujours de la même façon.
• Le Piège : Parce que la multiplication crée énormément de chaos, cette méthode nécessite beaucoup plus d'« espace » (intensité d'encastrement) pour cacher le message. L'article note que la quantité de bruit nécessaire pour faire fonctionner cela est énorme — nécessitant parfois une intensité d'encastrement de l'ordre de millions — pour garantir que le message ne soit pas perdu dans la tempête mathématique.
• Le Résultat : Ils ont démontré que cette méthode peut survivre à l'addition et à la multiplication, mais qu'il s'agit d'un système à « zéro bit » (il prouve simplement l'existence d'un filigrane, il ne transporte pas un long message) et qu'elle nécessite beaucoup de ressources pour être fiable.

Ce que disent les chiffres

Les auteurs n'ont pas seulement deviné ; ils ont testé ces idées de manière rigoureuse. Ils ont construit une simulation en Python sur un ordinateur puissant doté d'un processeur Intel Xeon Gold et de 502 Go de RAM. Ils ont configuré les paramètres de chiffrement pour répondre à un niveau de sécurité standard de 128 bits, en utilisant une taille de polynôme ($N$) de 2048 et un module de texte clair ($p$) de 65537.

Pour ARWMark, ils ont constaté qu'avec une intensité d'encastrement ($I_w$) modeste de 7, ils pouvaient clairement distinguer le filigrane dans un chiffrement à clé secrète. Cependant, pour le chiffrement à clé publique (qui est plus bruité), ils ont dû augmenter cette intensité à 100 pour obtenir le même signal clair. Ils ont testé ce qui se passe lorsqu'on ajoute du bruit aléatoire (simulant un attaquant tentant d'effacer le filigrane). Ils ont découvert que tant que le bruit n'était pas trop massif, le filigrane survivait. Mais si l'attaquant ajoutait suffisamment de bruit, le filigrane pouvait être perdu, à moins que l'encastrement initial ne soit rendu plus fort.

Pour MRWMark, les enjeux étaient plus élevés. Ils ont constaté qu'avec une faible intensité d'encastrement, le filigrane était souvent perdu dans le bruit. Mais lorsqu'ils ont augmenté l'intensité à 34, le taux de réussite de la détection du filigrane a bondi à près de 100 %. Lorsqu'ils ont testé la multiplication, les exigences ont grimpé en flèche. Pour survivre à une seule opération de multiplication sans un « redimensionnement » (une étape spécifique de réduction du bruit), ils avaient besoin d'une intensité d'au moins 782 327. S'ils ajoutaient une opération de redimensionnement, ce nombre atteignait presque 96 millions. Ces chiffres montrent que si la méthode fonctionne, elle s'accompagne d'un coût important en termes de « taille » du filigrane nécessaire.

L'essentiel

Cet article prouve que nous pouvons effectivement cacher des filigranes à l'intérieur de ces boîtes chiffrées magiques. C'est une avancée significative car cela va au-delà de la question « pouvons-nous calculer ? » pour s'intéresser à « pouvons-nous suivre et protéger les résultats de ce calcul ? ».

Les auteurs prennent soin de souligner les limites. Leur « autocollant » (ARWMark) est excellent pour l'addition simple mais se brise sous la multiplication. Leur « puzzle » (MRWMark) peut gérer la multiplication mais est coûteux et difficile à utiliser. Ils ne prétendent pas avoir résolu le problème pour tous les scénarios possibles, mais ils ont fourni une base solide et deux prototypes fonctionnels.

À l'avenir, les auteurs espèrent combiner le meilleur des deux mondes — créer un filigrane qui soit à la fois petit et assez robuste pour survivre à n'importe quelle opération mathématique. En attendant, leur travail offre une nouvelle couche de sécurité au monde de la préservation de la vie privée, garantissant que lorsque nous confions nos secrets au cloud, nous pouvons toujours prouver qui a effectué le travail et qui possède le résultat. C'est une signature minuscule et invisible dans un océan de bruit, mais pour l'ère numérique, cette signature pourrait être la différence entre la confiance et le chaos.