Thèse soutenue

A tale of SNARKs : quantum resilience, knowledge extractability and data privacy

FR  |  
EN
Auteur / Autrice : Anca Nitulescu
Direction : David PointchevalMichel AbdallaDario Fiore
Type : Thèse de doctorat
Discipline(s) : Mathématiques
Date : Soutenance le 01/04/2019
Etablissement(s) : Paris Sciences et Lettres (ComUE)
Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
Partenaire(s) de recherche : Laboratoire : École normale supérieure (Paris ; 1985-....). Département d'informatique
établissement de préparation de la thèse : École normale supérieure (Paris ; 1985-....)
Equipe de recherche : Équipe de recherche Conception et analyse de systèmes pour la confidentialité et l'authentification de données et d'entités (Paris)
Jury : Président / Présidente : Benoît Libert
Examinateurs / Examinatrices : David Pointcheval, Michel Abdalla, Dario Fiore, Benoît Libert, Markulf Kohlweiss, Rosario Gennaro, Carla Ràfols
Rapporteurs / Rapporteuses : Markulf Kohlweiss, Helger Lipmaa

Mots clés

FR  |  
EN

Mots clés contrôlés

Résumé

FR  |  
EN

Cette thèse est consacrée à une exploration des schémas de preuve de connaissance succincts, les SNARKs. S’inscrivant dans un contexte marqué par le développement du Cloud et des technologies Blockchain, les SNARKs sont des primitives cryptographiques permettant la vérification de l’intégrité des calculs. Dans un modèle de type client-serveur, où un client à faible puissance de calcul délègue une tache à un serveur à forte puissance de calcul, les SNARKs lui permettent de verifier efficacement si le serveur a bien exécuté la tache demandée. Notre attention se porte en particulier sur des sujets comme la sécurité post-quantique des SNARKs, la propriété d'extractabilité, qui fait du SNARK un outil si puissant dans des protocoles cryptographiques, la composition de ces preuves avec d'autres primitives cryptographiques et la construction d'un protocole cryptographique basé sur des preuves SNARKs qui garantit non seulement l'intégrité du résultat, mais aussi la confidentialité des données représentant l'entrée du calcul à vérifier.