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

Résumé

Plusieurs méthodes traditionnelles sont utilisées pour sécuriser les données sensibles, telles que les algorithmes de cryptographie comme AES-HMAC-SHA256, Twofish et Chacha20. Toutefois, des études récentes ont montré que ces algorithmes de cryptographie présentent des failles de sécurité. Dans ce mémoire, nous explorons l’utilisation d’un modèle de cryptographie basé sur un autoencodeur convolutionnel profond et nous comparons ses performances aux algorithmes traditionnels de cryptographie. Nous présentons les résultats d’une étude comparative basée sur plusieurs métriques. Ainsi, nous incorporons des métriques telles que la similarité en cosinus, l’entropie, le taux de Kendall et de Spearman, et l’erreur quadratique moyenne (MSE) pour une évaluation complète de la performance et de la sécurité de l’approche proposée, en plus des mesures de temps de cryptage et de décryptage. Les résultats obtenus sont très prometteurs. Notre modèle est le plus performant pour deux métriques essentielles, l’entropie et l’erreur quadratique moyenne. Nous obtenons une entropie de fichier décrypté de 8,01, contre 7,99 pour les trois autres modèles standard, avec une MSE très faible de 0,003, contre 105,43 pour l’AES, qui reste l’algorithme traditionnel le plus efficace par rapport aux autres algorithmes.