Une nouvelle méthode basée sur l'IA aide à protéger les chaînes d'approvisionnement mondiales en puces contre les cybermenaces
infohightech ·
Des chercheurs de l'Université du Missouri utilisent l'intelligence artificielle pour détecter les chevaux de Troie matériels cachés grâce à une méthode précise à 97 %.
Des smartphones aux appareils médicaux, les puces informatiques équipent presque tout ce que nous utilisons aujourd'hui. Mais cachée au plus profond de ces puces se cache une menace méconnue : les chevaux de Troie matériels, des modifications malveillantes de la conception d'une puce capables de voler des données, d'affaiblir la sécurité et de saboter les systèmes.
La détection des chevaux de Troie matériels était traditionnellement un processus coûteux, long et complexe. Aujourd'hui, des chercheurs de l'Université du Missouri présentent une nouvelle méthode basée sur l'intelligence artificielle pour détecter ces menaces plus rapidement et plus facilement qu'auparavant, a déclaré Ripan Kumar Kundu, doctorant à la faculté d'ingénierie de l'Université du Missouri .
Dans un projet dirigé par Kundu, l'équipe de Mizzou exploite de vastes modèles de langage existants – le même type d'IA que celui utilisé par les chatbots les plus populaires – pour analyser les conceptions de puces à la recherche de menaces cachées. La méthode ne se contente pas d'identifier les lignes de code suspectes avec une précision de 97 % ; elle explique également leur caractère malveillant, rendant le processus plus transparent.
« Cette explication est essentielle, car elle évite aux développeurs de fouiller dans des milliers de lignes de code », a déclaré Kundu. « Nous rendons le processus plus rapide, plus clair et plus fiable. »
Le système est également flexible : il peut fonctionner sur des machines locales ou via des services cloud, ce qui le rend utile aussi bien aux développeurs open source qu'aux grandes entreprises. Il peut également être intégré aux processus de conception de puces de nombreux secteurs, notamment l'électronique grand public, la santé, la finance et la défense.
Pourquoi c'est important
Contrairement aux virus logiciels, les chevaux de Troie matériels ne peuvent être supprimés une fois la puce fabriquée. Ils passent inaperçus jusqu'à ce qu'ils soient déclenchés par un attaquant, et les conséquences peuvent être dévastatrices : les appareils peuvent dysfonctionner, divulguer des données sensibles ou même perturber les systèmes de défense nationale.
Comme ces puces sont conçues et fabriquées via une chaîne d'approvisionnement mondiale, des chevaux de Troie peuvent être ajoutés à presque toutes les étapes de la production, ce qui rend leur identification difficile. L'approche de Mizzou offre des avantages considérables aux industries impliquées dans ce processus de production. En détectant les chevaux de Troie à un stade précoce, les entreprises peuvent éviter les énormes dommages financiers et réputationnels liés à leur découverte ultérieure, qui pourraient entraîner des rappels coûteux de puces ou la destruction de produits.
« Ces puces constituent le fondement de notre monde numérique », a déclaré Khurram Khalil, doctorant à la faculté d'ingénierie de Mizzou et co-auteur de l'étude. « En combinant la puissance de l'intelligence artificielle à une explication compréhensible, nous créons des outils pour protéger ce fondement à chaque étape de la chaîne d'approvisionnement. »
L'équipe de Mizzou développe également des méthodes de réparation automatique des puces en temps réel, permettant ainsi d'éviter les problèmes avant même leur mise en production. De plus, les chercheurs voient le potentiel de leur méthode pour sécuriser d'autres systèmes critiques, tels que les réseaux électriques et les infrastructures.
Le projet est détaillé dans l'étude « PEARL : Détection adaptative et explicable de chevaux de Troie matériels utilisant des modèles de langage open source et d'entreprise à grande échelle », publiée dans IEEE Access. Prasad Calyam, professeur émérite et conservateur de l'Université du Missouri, et Khaza Anuarul Hoque, professeur associé, sont co-auteurs, ainsi qu'Eric Garcia, étudiant au Columbia College, et Ethan Grassia, étudiant à l'Université Loyola.