Application du chiffrement fonctionnel sur données confidentielles pour la conception de modèles d'apprentissage automatique

International audience L'accès aux données est un prérequis à la conception de modèle par apprentissage automatique. Dans certains secteurs d'application, comme la santé, le bancaire ou la défense, les données sont jugées confidentielles si bien que leur partage est particulièrement complexe, voire impossible. En réponse à ce verrou applicatif, nous nous intéressons dans ces travaux au chiffrement fonctionnel, technique de cryptographie qui permet l'accès sécurisé à fonction spécifique de données chiffrées. En nous appuyant sur un cas d'application concret de l'industrie de défense, nous montrons que le chiffrement fonctionnel est d'ores et déjà applicable à des données représentatives de la réalité industrielle et étudions son impact sur les performances de modèles obtenus par apprentissage automatique.