Stage - Chiffrement Pleinement Homomorphe Pour Systèmes Embarqués F/H

CONTEXTE
Le cloud computing, les smart contracts blockchain et les applications en ligne traitant de volumes massifs de données sont aujourd'hui monnaie courante.
Néanmoins, il reste essentiel de préserver la confidentialité des données tout au long du processus de bout en bout, ce qui constitue une tâche complexe.
Le chiffrement homomorphe est l'une des solutions permettant de répondre à ce problème.
Cependant, les performances représentent le principal obstacle à son déploiement à grande échelle.
Par ailleurs, les dispositifs IoT sont de plus en plus déployés sur le terrain et gagnent en puissance.
At STMicroelectronics
At STMicroelectronics, we believe in the power of technology to drive innovation and make a positive impact on people, businesses, and society.
As a global semiconductor company, our advanced technologies and chips form the hidden foundation of the world we live in today.
When you join ST, you will be part of a global business with more than 115 nationalities, present in 40 countries, and comprising over 50,000 diverse and dedicated creators and makers of technology around the world.
Developing technologies takes more than talent: it takes amazing people who understand collaboration and respect.
People with passion and the desire to disrupt the status quo, drive innovation, and unlock their own potential.
Embark on a journey with us, where you can innovate for a future that we want to make smarter and greener, in a responsible and sustainable way.
Our technology starts with you.
CONTEXT
Cloud computing, blockchain smart contracts and online applications dealing with massive data are commonplace today.
Nevertheless, it remains important to preserve data privacy during the end-to-end process, which is proving to be a complex task.
Homomorphic encryption is one way of solving this problem.
But performance is the main bottleneck preventing its widespread deployment.
On the other hand, IoT devices are increasingly deployed in the field and are becoming increasingly powerful.
So much so, that we're seeing the emergence of embedded artificial intelligence and hardware-accelerated embedded neural networks.
Of course, the problem of maintaining the privacy of the data being manipulated remains.
Hardware acceleration is undoubtedly the key to success for the advent of homomorphic cryptography in this field of application, and particularly the acceleration of fully homomorphic cryptography over the torus (TFHE).
TFHE offers a bootstrapping function that makes it easy to implement a univariate function using a LUT, which is perfectly suited to implement activation functions used in neural networks.
YOUR ROLE
Within an R&D team specialized in security, this 6-month internship will focus on developing hardware acceleration exclusively for TFHE encryption and decryption with a particular attention to communication with the CPU and its optimization.
A prototype will be implemented on an FPGA SoC, enabling a comparison between the performance of a purely software-based implementation and one using the accelerator.
As a result, some embedded software will also need to be developed.
Your Skills & Experiences
Final year of a Master's degree in Microelectronics and Chip Design
Knowledge of Hardware Description Language (HDL) and embedded software development (C language)
Knowledge of Xilinx Zynq is a plus
Good level of written and spoken English (CV and cover letter in English)
Below is the French version.
CONTEXTE
Le cloud computing, les smart contracts blockchain et les applications en ligne traitant de volumes massifs de données sont aujourd'hui monnaie courante.
Néanmoins, il reste essentiel de préserver la confidentialité des données tout au long du processus de bout en bout, ce qui constitue une tâche complexe.
Le chiffrement homomorphe est l'une des solutions permettant de répondre à ce problème.
Cependant, les performances représentent le principal obstacle à son déploiement à grande échelle.
Par ailleurs, les dispositifs IoT sont de plus en plus déployés sur le terrain et gagnent en puissance.
À tel point que l'on voit émerger l'intelligence artificielle embarquée et les réseaux neuronaux embarqués accélérés par matériel.
Bien entendu, le problème de la confidentialité des données manipulées demeure.
L'accélération matérielle est sans aucun doute la clé du succès pour l'avènement de la cryptographie homomorphe dans ce domaine d'application, et plus particulièrement l'accélération de la cryptographie totalement homomorphe sur le tore (TFHE).
TFHE propose une fonction de bootstrapping qui facilite l'implémentation d'une fonction univariée à l'aide d'une LUT, ce qui se prête parfaitement à l'implémentation des fonctions d'activation utilisées dans les réseaux neuronaux.
VOTRE RÔLE
Au sein d'une équipe R&D spécialisée en sécu