💻 computer science

Privacy-Preserving Keystroke Dynamics Authentication Using CKKS Homomorphic Encryption

Cet article présente un système d'authentification par dynamique de frappe préservant la confidentialité, implémenté à l'aide du schéma de chiffrement homomorphe CKKS, qui permet une mise en correspondance de modèles sécurisée via des calculs de distance euclidienne au carré chiffrés tout en garantissant que les vecteurs biométriques restent confidentiels tout au long du processus.

Auteurs originaux : Nipun Mahaarachchi

Publié 2026-07-22

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Nipun Mahaarachchi

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de déverrouiller un club secret, mais au lieu d'une clé ou d'un mot de passe, le videur vérifie votre façon de taper. C'est ce qu'on appelle la dynamique de frappe (keystroke dynamics), une façon d'identifier les personnes par leur rythme de frappe unique : la vitesse à laquelle elles appuient sur les touches, la durée pendant laquelle elles les maintiennent enfoncées et les minuscules pauses entre les lettres. C'est comme une empreinte digitale numérique faite de temps. Cependant, il y a un piège : pour vérifier si votre rythme correspond aux registres du club, l'ordinateur doit généralement jeter un coup d'œil à vos données de frappe en pleine vue. Si un pirate vole ces données, il ne peut pas simplement les changer comme un mot de passe ; votre style de frappe est permanent.

Pour résoudre cela, les scientifiques utilisent un tour de magie appelé chiffrement homomorphe. Imaginez cela comme une boîte opaque et verrouillée. Vous pouvez placer vos données à l'intérieur, et l'ordinateur peut effectuer des calculs sur la boîte sans jamais l'ouvrir ni voir ce qu'il y a dedans. C'est comme un chef qui peut couper, mélanger et cuire des ingrédients alors qu'ils sont encore scellés dans un bocal en verre, mais le bocal est fait de plomb afin que personne ne puisse voir les ingrédients, ne révélant le gâteau final qu'à la toute fin. Cet article explore comment utiliser cette magie de la "boîte verrouillée" spécifiquement pour les rythmes de frappe, garantissant que votre secret de frappe reste caché même pendant que l'ordinateur vérifie si vous êtes bien qui vous prétendez être.

L'idée majeure de l'article : Un test de frappe secret dans une boîte verrouillée

Les chercheurs, dirigés par Nipun Mahaarachchi, ont construit un prototype fonctionnel qui combine ces deux idées : le rythme unique de la façon dont vous tapez un mot spécifique et la mathématique de la "boîte verrouillée" du chiffrement homomorphe. Ils n'ont pas inventé un nouveau type de boîte magique ; ils ont plutôt trouvé comment rendre la boîte assez petite et légère pour être pratique.

Voici comment leur système fonctionne, étape par étape :

1. La danse des "sept étapes"
La plupart des systèmes biométriques utilisent des données énormes et complexes (comme des scans faciaux 3D) qui sont lourdes et difficiles à verrouiller. Cette équipe a choisi quelque chose de minuscule : le mot "password". Lorsque vous tapez ce mot de huit lettres, le système ne regarde pas les lettres elles-mêmes. Il observe seulement le temps nécessaire pour presser chaque touche. Puisqu'il y a huit touches, il y a sept intervalles (ou écarts) entre elles. Cela crée une petite liste de sept nombres.

2. Le rythme "standardisé"
Tout le monde tape à des vitesses différentes. Un jour, vous pouvez être pressé ; un autre jour, vous pouvez être fatigué. Pour corriger cela, le système prend vos temps de frappe et les "normalise". C'est comme un instructeur de danse qui vous dirait : "Peu importe la vitesse à laquelle vous dansez, gardez simplement le même rythme que lors de votre première pratique". Le système calcule le rythme moyen et la variation habituelle de vos sessions de pratique, puis ajuste votre nouvelle tentative de frappe pour qu'elle corresponde à ce standard.

3. L'appariement dans la boîte verrouillée
C'est ici que la magie opère.

Enrôlement : Vous tapez le mot quelques fois pour apprendre au système votre rythme. Le système transforme cela en un "modèle" (une recette secrète de votre rythme) et le verrouille dans une boîte cryptographique en utilisant une méthode appelée CKKS.
Connexion : Lorsque vous essayez de vous connecter plus tard, le système verrouille votre nouveau rythme de frappe dans une seconde boîte.
Le calcul : L'ordinateur prend ces deux boîtes verrouillées et effectue une opération mathématique spéciale appelée "distance euclidienne au carré". Il soustrait les nombres, élève les résultats au carré et les additionne — tout cela pendant que les données restent cryptées à l'intérieur des boîtes. L'ordinateur ne voit jamais les nombres réels ; il ne voit que les mathématiques se produire sur les conteneurs verrouillés.

4. La révélation finale
Une fois le calcul terminé, l'ordinateur possède un seul nombre : le "score de distance". Ce nombre indique au système à quel point votre nouveau rythme de frappe est différent de l'ancien.

Si le score est bas (signifiant que vous avez tapé de manière très similaire), la boîte est ouverte juste assez pour révéler ce petit nombre, et le système dit ACCEPTER.
Si le score est élevé (signifiant que le rythme est totalement différent, comme celui d'un imposteur), le système dit REJETER.

Ce qu'ils ont trouvé (et ce qu'ils n'ont pas trouvé)
Les auteurs ont testé cela avec une "preuve de concept" (un modèle fonctionnel pour voir si l'idée est possible). Ils ont effectué des simulations avec de vraies données de frappe et ont également créé de fausses données d'imposteurs pour voir si le système les détecterait.

Le résultat : Le système a fonctionné. Il a réussi à distinguer l'utilisateur réel de l'imposteur de synthèse. Le calcul de la "boîte verrouillée" n'a nécessité que 20 opérations (7 soustractions, 7 mises au carré et 6 additions) car la liste de données était très courte (seulement 7 nombres).
La limitation : L'article est très clair sur le fait qu'il ne s'agit pas d'un produit fini prêt pour le monde entier. Il a été testé sur un seul ordinateur avec un mot fixe et un petit nombre d'essais. Les auteurs admettent qu'ils n'ont pas encore prouvé qu'il fonctionne parfaitement pour des milliers de personnes différentes ou sur différents appareils. Ils notent également que, bien que l'appariement se produise dans la boîte verrouillée, les données de frappe brutes sont toujours visibles dans le navigateur web avant d'être verrouillées.

Pourquoi cela importe
Le principal enseignement est qu'en choisissant une caractéristique simple et de faible dimension (seulement 7 nombres de temps), ils ont rendu le calcul de la "boîte verrouillée" rapide et léger. Habituellement, crypter des données complexes est lent et lourd, comme essayer de transporter un coffre-fort massif. En utilisant un petit vecteur, ils ont montré que l'on peut bénéficier d'une sécurité forte sans que le système ne soit ralenti.

Les auteurs suggèrent que cette approche pourrait être un tremplin vers un avenir où votre identité numérique est protégée par une sécurité "post-quantique" (une sécurité que même les futurs supercalculateurs ne pourront pas briser), mais ils soulignent que des tests supplémentaires avec de nombreux utilisateurs sont nécessaires avant que cela ne devienne une méthode standard pour se connecter. Pour l'instant, c'est une expérience réussie montrant que la confidentialité et la vitesse peuvent coexister dans le monde de la sécurité basée sur la frappe.

Résumé technique : Authentification par dynamique de frappe préservant la confidentialité utilisant le chiffrement homomorphe CKKS

Énoncé du problème

La biométrie offre un lien d'identité plus fort que les systèmes basés sur les mots de passe, mais introduit des risques importants pour la confidentialité. Les schémas traditionnels nécessitent souvent le déchiffrement des modèles biométriques sur le serveur pour effectuer la comparaison, créant une « fenêtre d'exposition » où les vecteurs de caractéristiques sensibles sont visibles dans la mémoire du serveur, les journaux ou la logique applicative. Bien que le chiffrement homomorphe (HE) permette d'effectuer des calculs sur des données chiffrées pour atténuer ce risque, il est coûteux en termes de calcul. L'application du HE à des représentations biométriques de haute dimension (par exemple, les embeddings de visages ou les modèles d'iris) est souvent peu pratique en raison du volume considérable d'opérations arithmétiques requises sur les ciphertexts.

Méthodologie

Le document propose une approche axée sur la conception qui combine la dynamique de frappe (Keystroke Dynamics) avec le schéma de chiffrement homomorphe CKKS (Cheon-Kim-Kim-Song). La stratégie centrale consiste à utiliser une représentation biométrique comportementale de faible dimension pour minimiser la charge de calcul de la comparaison chiffrée.

Architecture du système

Le système fonctionne en deux phases : Enrôlement et Authentification, implémentées via une interface web (JavaScript) et un backend Python/Flask utilisant OpenFHE et NumPy.

Extraction de caractéristiques :
- L'utilisateur tape une phrase de passe fixe (« password »).
- Le système capture huit horodatages de pression de touche ( $t_1, \dots, t_8$ ).
- Il extrait sept intervalles de temps entre pressions ( $PP_i = t_{i+1} - t_i$ ), ce qui produit un vecteur de caractéristiques de dimension 7.
Standardisation et construction du modèle :
- Pour traiter la variabilité de la vitesse de frappe, les valeurs temporelles brutes sont standardisées à l'aide de statistiques d'enrôlement (moyenne $\mu_i$ et écart-type $\sigma_i$ ).
- Le modèle d'enrôlement ( $X$ ) est généré en faisant la moyenne de $m=5$ échantillons d'enrôlement normalisés.
- Le vecteur de connexion ( $Y$ ) est normalisé en utilisant les mêmes paramètres d'enrôlement.
Comparaison chiffrée (CKKS) :
- Le modèle $X$ et le vecteur de connexion $Y$ sont tous deux chiffrés à l'aide de la clé publique CKKS.
- Le système calcule la distance euclidienne au carré de manière homomorphe :
  $Enc(D) = \sum_{i=1}^{7} (Enc(X_i) - Enc(Y_i))^2$
- Cette opération nécessite uniquement des soustractions, des carrés (multiplications) et des sommes sur les ciphertexts.
- Le score de distance scalaire final $D$ n'est déchiffré qu'à la toute fin.
Logique de décision :
- Un seuil $T$ est établi sur la base de la moyenne et de l'écart-type des distances d'enrôlement authentiques ( $T = \mu_D + 3\sigma_D$ ).
- Si $D < T$ , le système renvoie ACCEPT ; sinon, REJECT.

Principales contributions

Flux de travail de bout en bout chiffré : Le document démontre un flux d'authentification web complet où la comparaison biométrique s'effectue entièrement dans le domaine chiffré, empêchant le serveur de voir les vecteurs de caractéristiques bruts ou normalisés pendant le processus de comparaison.
Optimisation axée sur la conception : Au lieu d'appliquer le HE à des données complexes et de haute dimension, les auteurs ont délibérément choisi la dynamique de frappe pour générer un vecteur compact de dimension 7. Ce choix de conception réduit considérablement la profondeur multiplicative et le nombre d'opérations nécessaires à l'évaluation homomorphe.
Implémentation avec OpenFHE : Le travail fournit une implémentation pratique utilisant la bibliothèque OpenFHE, détaillant la configuration du contexte cryptographique, la génération de clés et la séquence spécifique d'opérations homomorphes (soustraction, mise au carré, sommation) nécessaires au calcul de la distance.

Résultats expérimentaux

Le système a été évalué comme une preuve de concept contrôlée plutôt que comme un benchmark biométrique complet.

Fonctionnalité : Le système a réussi à distinguer les utilisateurs authentiques (scores inférieurs au seuil) des imposteurs simulés (scores nettement supérieurs au seuil).
Efficacité de calcul : En limitant le vecteur de caractéristiques à la dimension $d=7$ , le système n'a nécessité que 20 opérations homomorphes (7 soustractions, 7 mises au carré, 6 additions). Les auteurs notent qu'un vecteur de 128 dimensions nécessiterait plus de 380 opérations, soulignant les gains d'efficacité de l'approche à faible dimension.
Utilisation des ressources : La surveillance du temps d'exécution et des ressources (CPU, mémoire) sur une machine virtuelle Ubuntu a indiqué que l'application Flask/OpenFHE restait pratique pour ce flux de travail spécifique.

Signification et affirmations

Le document affirme modestement que sa principale contribution n'est pas une nouvelle primitive cryptographique, mais plutôt l'intégration réussie d'une représentation biométrique comportementale de faible dimension dans un flux de comparaison sous chiffrement CKKS.

Les auteurs soulignent que :

La confidentialité est restreinte au processus de comparaison : Le système garantit que les vecteurs biométriques restent chiffrés pendant la phase de comparaison, réduisant l'exposition par rapport aux systèmes qui déchiffrent les modèles pour la comparaison.
Faisabilité d'un HE léger : Les résultats valident qu'une comparaison biométrique dans le domaine chiffré, plus légère, est viable lorsque la conception des caractéristiques est optimisée pour minimiser la complexité de calcul.
Limites de portée : Les auteurs précisent explicitement qu'il ne s'agit pas d'un système prêt pour la production. Il manque une validation de la précision biométrique formelle (FAR, FRR, EER), des tests multi-utilisateurs et une gestion robuste des clés (par exemple, des modules de sécurité matériels/HSM). L'implémentation actuelle sert de base pour de futurs systèmes d'authentification légers, respectueux de la vie privée et orientés vers le post-quantique.