Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

La multiplication des systèmes informatiques manipulant des données personnelles, financières et opérationnelles a considérablement accru les risques de fuite de données sensibles. Les approches traditionnelles de prévention des fuites de données (Data Loss Prevention - DLP) reposent principalement sur l’analyse du contenu des informations afin d’identifier des motifs sensibles. Cependant, dans plusieurs environnements réels, des valeurs identiques peuvent apparaître à la fois dans des contextes sensibles et non sensibles, ce qui entraîne un nombre important de faux positifs. Ce mémoire propose une approche de détection des fuites de données sensibles fondée sur la provenance des informations. Contrairement aux approches classiques de prévention des fuites de données fondées uniquement sur l’analyse du contenu, l’approche proposée s’appuie sur une analyse dynamique de contamination (Taint Analysis) basée sur la provenance des données à partir de la corrélation de journaux hétérogènes provenant de différentes sources, notamment les bases de données, les systèmes de fichiers et les journaux. Cette approche permet ainsi un déploiement non intrusif dans des environnements réels.

Le système développé intègre également une plateforme SIEM afin de permettre une supervision en quasi-temps réel des événements de sécurité et une meilleure exploitation opérationnelle des alertes générées. Les résultats expérimentaux montrent que l’approche proposée réduit significativement les faux positifs en prenant en compte l’origine des données, tout en conservant une capacité de détection élevée. Ce travail met ainsi en évidence l’importance de la provenance dans la détection des fuites de données sensibles et propose une solution applicable dans des environnements complexes et hétérogènes. Les travaux présentés dans ce mémoire ont également fait l’objet d’une publication scientifique acceptée au The Workshop on Security and Privacy Analytics (IWSPA 2026), dans le cadre du 12th ACM International Workshop on Security and Privacy Analytics.

The increasing number of information systems handling personal, financial, and operational data has considerably increased the risk of sensitive data leakage. Traditional Data Loss Prevention (DLP) approaches mainly rely on content analysis to identify sensitive patterns. However, in many real-world environments, identical values may appear in both sensitive and non-sensitive contexts, leading to a significant number of false positives.

This thesis proposes an approach for detecting sensitive data leakage based on data provenance. Unlike conventional DLP approaches that rely solely on content analysis, the proposed approach uses Dynamic Taint Analysis based on data provenance through the correlation of heterogeneous logs collected from multiple sources, including databases, file systems, and system logs. This approach therefore enables non-intrusive deployment in real-world environments.

The developed system also integrates a SIEM platform to provide near real-time monitoring of security events and improve the operational exploitation of generated alerts. Experimental results show that the proposed approach significantly reduces false positives by taking data origin into account while maintaining a high detection capability.

This work highlights the importance of data provenance in the detection of sensitive data leakage and proposes a solution applicable to complex and heterogeneous environments.

The work presented in this thesis has also resulted in a scientific publication accepted at the Workshop on Security and Privacy Analytics (IWSPA 2026), held as part of the 12th ACM International Workshop on Security and Privacy Analytics.