Aller au contenu
Prendre rendez-⁠vous

Confidential computing : protéger les données en cours d’utilisation, et ce que cela garantit réellement

Sur cette page

Les articles précédents de cette série ont parcouru les principales approches utilisées aujourd’hui pour protéger les données dans le cloud. Le chiffrement en transit, typiquement via TLS, est pratiquement universel : aucun service cloud sérieux ne s’en passe. Le chiffrement au repos, détaillé dans un article précédent, est tout aussi incontournable, activé par défaut sur à peu près toutes les grandes plateformes. Concernant le chiffrement de bout en bout, c’est une autre histoire. Le concept est aujourd’hui bien compris, sa valeur est largement reconnue, mais en pratique il reste l’exception plutôt que la règle, réservé à des catégories de workloads bien précis où le modèle de menace justifie les compromis opérationnels.

Le confidential computing est une autre technologie reposant sur des principes cryptographiques et matériels, mais il répond à un problème différent : permettre un traitement sécurisé des données côté serveur, scénario que le chiffrement de bout en bout (E2EE) ne peut pas, par conception, prendre en charge.

Le confidential computing s’intéresse à ce qui se passe quand les données sont effectivement utilisées. Un CPU ne peut pas calculer sur du chiffré. À un moment donné, pour que le serveur puisse utiliser les données, il faut que le clair existe quelque part en mémoire. C’est à ce moment précis que le confidential computing apporte une réponse.

Cet article examine ce que le confidential computing fournit réellement, comment il fonctionne, où il se positionne par rapport au chiffrement au repos et au chiffrement de bout en bout, et quelles sont ses limites. Comme pour les articles précédents de la série, l’objectif n’est pas de promouvoir la technologie, mais de la positionner avec justesse dans un modèle de menace et de comprendre comment elle est implémentée dans les solutions du marché.

Les trois états des données, et la zone grise du traitement

La sécurité des données est souvent décrite selon trois états : en transit (in transit), au repos (at rest), et à l’usage (in use). Les deux premiers sont des problèmes bien compris, avec des solutions matures. Des protocoles comme TLS protègent les données en transit. Le chiffrement au repos, avec toutes les nuances détaillées dans l’article précédent, couvre la protection des données sur disque.

La zone grise se situe au moment du traitement des données. Par définition, quand une donnée est traitée, elle doit pouvoir être lue par le CPU, et elle existe donc en clair en RAM, dans les caches CPU, dans les registres. Tout ce qui dispose de suffisamment de privilèges sur la même machine peut potentiellement l’observer : le système d’exploitation, l’hyperviseur, un autre processus disposant des bonnes permissions, et dans un environnement cloud, les administrateurs et les outils d’infrastructure du fournisseur.

Ce n’est pas un défaut de conception à proprement parler des ordinateurs, c’est simplement la façon dont cela fonctionne. Mais cela crée une fenêtre d’exposition qui montre bien les limites du chiffrement au repos décrit dans un précédent article : le moment où le clair existe au sein de l’environnement de calcul du fournisseur, quelle que soit la qualité de la protection des couches de stockage et de transit.

Le confidential computing est une proposition de solution pour fermer cette fenêtre au niveau matériel, en étendant les protections cryptographiques au-delà du stockage et du transport jusqu’à l’environnement d’exécution lui-même.

Pourquoi le traitement est le maillon faible

Pour bien comprendre, prenons un workload qui tourne sur une VM cloud classique. Les données sont chiffrées au repos, les disques de la VM sont protégés par un KMS, le trafic réseau est chiffré en transit. Le fournisseur dispose de contrôles opérationnels solides, de journaux d’audit, d’équipes formées.

Et pourtant, lorsque l’application tourne, les données résident en clair en mémoire. L’hyperviseur, qui exécute la VM, a visibilité sur la mémoire du système invité. L’OS hôte, qui exécute l’hyperviseur, en a encore davantage. Un administrateur système disposant de droits privilégiés, un outil de debug mal configuré, une compromission de l’hyperviseur lui-même : chacun de ces scénarios crée un chemin vers le clair que le chiffrement côté stockage, aussi bien géré soit-il, ne peut pas empêcher.

C’est le scénario dans lequel le chiffrement au repos, même configuré avec HYOK, ne peut pas aider. Les clés sont en sécurité. Les données sur disque sont illisibles sans elles. Mais dès que la VM les récupère, les déchiffre et les charge en mémoire pour traiter une requête, ces données deviennent potentiellement accessibles à quiconque dispose de privilèges suffisants sur l’hôte.

Pour de nombreux workloads, cette exposition est considérée comme acceptable. Le fournisseur est considéré comme digne de confiance, les contrôles opérationnels sont jugés suffisants, et le modèle de menace n’inclut pas l’infrastructure du fournisseur. Mais pour les workloads où le fournisseur fait partie du modèle de menace, que ce soit pour des raisons de contrainte légale, de souveraineté, de risque interne ou de volonté de résister à des attaques sophistiquées, cette exposition est exactement le problème qu’il faut résoudre.

Ce qu’est vraiment le confidential computing

Le confidential computing est une famille de technologies matérielles qui créent des environnements d’exécution isolés, généralement appelés Trusted Execution Environments (TEE). Ces environnements protègent le code et les données vis-à-vis des autres logiciels qui tournent sur la même machine, y compris l’OS et l’hyperviseur, au moyen de mécanismes d’isolation imposés par le processeur et le matériel sous-jacent.

Deux grandes familles de TEE sont couramment utilisées aujourd’hui dans les offres cloud, auxquelles s’ajoute une troisième catégorie d’isolation de type enclave qui ne correspond pas directement à des TEE natifs du CPU :

Les enclaves au niveau processus protègent une région spécifique de la mémoire à l’intérieur d’un processus. L’exemple le plus connu est Intel SGX, la première technologie de ce type largement disponible. Les applications doivent être réécrites pour placer leur code et leurs données sensibles dans une enclave, et le matériel garantit que les logiciels extérieurs à l’enclave, y compris le noyau, ne peuvent pas accéder directement à sa mémoire. Le modèle est précis mais exigeant : les développeurs doivent partitionner explicitement leurs applications, et l’écosystème de bibliothèques qui fonctionnent à l’intérieur d’une enclave reste limité.

Les VMs confidentielles adoptent une approche différente. Plutôt que de protéger une petite région à l’intérieur d’un processus, la mémoire de la VM est chiffrée et isolée de l’hyperviseur. AMD SEV-SNP, Intel TDX et ARM CCA suivent tous ce schéma. L’OS et les applications à l’intérieur de la VM n’ont pas besoin d’être modifiés de manière significative, ce qui rend l’adoption beaucoup plus facile. Le compromis est une base de confiance plus large : tout ce qui se trouve dans la VM est inclus dans le périmètre de sécurité.

L’exécution isolée de type enclave (basée sur l’hyperviseur) représente un troisième modèle, où l’isolation est imposée principalement par une couche de virtualisation renforcée plutôt que par une enclave native du CPU ou une architecture de VM confidentielle complète. AWS Nitro Enclaves en est l’exemple principal : il découpe des environnements d’exécution isolés à partir d’instances EC2 à l’aide de l’hyperviseur Nitro et d’un partitionnement de ressources dédié. Bien qu’ils soient souvent rangés sous le confidential computing, ils diffèrent architecturalement des TEE CPU comme SGX, SEV-SNP ou TDX, le cloisonnement n’incluant pas de mécanisme de chiffrement mémoire, imposé par le processeur, d’un environnement invité.

Les orientations du marché sont claires. Les enclaves au niveau processus se sont révélées difficiles à adopter à grande échelle en dehors de cas d’usage spécialisés. Les VMs confidentielles fondées sur l’isolation mémoire imposée par le CPU (comme AMD SEV-SNP et Intel TDX) sont devenues le modèle généraliste dominant du confidential computing chez les fournisseurs cloud. AWS suit cette tendance pour les VMs confidentielles, tout en positionnant son architecture Nitro Enclaves comme une approche grand public, intégrée à la plateforme, pour l’exécution isolée au sein de l’écosystème AWS.

Dans tous les cas, les données sensibles sont protégées pendant leur utilisation, soit par le chiffrement mémoire matériel, soit par une exécution fortement isolée imposée par la plateforme sous-jacente. De plus, des clés cryptographiques dérivées de secrets ancrés dans le matériel ou la plateforme servent à établir l’identité et à supporter l’attestation, en liant l’état d’exécution à une racine de confiance vérifiable.

Le rôle central de l’attestation

L’isolation matérielle ne suffit pas à elle seule. Si un workload s’apprête à envoyer des données sensibles dans un TEE, il lui faut un moyen de vérifier au préalable que l’enclave ou la VM confidentielle est authentique, qu’elle exécute bien le code attendu, et qu’elle a démarré dans un état sain connu. Sans cela, le confidential computing ne serait guère plus qu’une affirmation : la machine prétend tourner dans un environnement d’exécution de confiance, mais il n’existe aucun moyen externe de le valider.

L’attestation est le mécanisme qui ferme la boucle. Lorsqu’un TEE démarre, le CPU (ou plus généralement la racine de confiance matérielle de la plateforme) produit une mesure cryptographique de ce qui est chargé : le code, la configuration, l’état initial de l’environnement. Cette mesure est signée à l’aide d’une clé d’attestation ancrée dans le matériel, intégrée au processeur et rattachée à une hiérarchie de confiance provisionnée par le fabricant. Un tiers peut demander ce rapport signé, en vérifier l’authenticité, et comparer la mesure à la valeur attendue.

La conséquence pratique est significative. Un système externe, par exemple un service de gestion des clés qui détient un secret ne devant être libéré qu’à destination d’un workload précis, peut vérifier que ce workload tourne réellement dans un TEE authentique d’un modèle connu, avec le code attendu, avant de libérer la clé. Si l’une de ces conditions n’est pas remplie, le secret ne quitte pas le KMS.

C’est ce qui distingue le confidential computing d’un workload cloud ordinaire. Il ne s’agit pas simplement du fait que les données en cours d’utilisation sont protégées au niveau de la mémoire. Il s’agit du fait qu’un tiers de confiance (relying party) peut vérifier cryptographiquement des propriétés clés de l’environnement d’exécution (identité, intégrité et état initial). La confiance repose sur le matériel et sur la PKI du fabricant de la puce, plutôt que sur les affirmations du fournisseur cloud.

Sans attestation, le confidential computing est invérifiable. Avec elle, son modèle de menace devient vérifiable et exploitable.

Les offres des grands fournisseurs

Les trois grands fournisseurs cloud proposent aujourd’hui du confidential computing, avec des angles et des histoires différents.

AWS a pris très tôt un chemin un peu à part avec Nitro Enclaves. Plutôt que d’adopter Intel SGX comme l’industrie l’a fait initialement, AWS a construit sa propre abstraction au-dessus de l’hyperviseur Nitro, offrant des enclaves isolées qui cohabitent avec les instances EC2. Bien que souvent rangées sous l’appellation large de confidential computing, les Nitro Enclaves constituent un modèle de type enclave distinct, bâti au-dessus de l’hyperviseur Nitro d’AWS plutôt qu’une architecture TEE native du CPU. Le modèle est étroitement intégré à l’infrastructure AWS et fonctionne bien pour des cas d’usage spécifiques comme la gestion des clés et le traitement de secrets. AWS a depuis ajouté dans son offre de services le support d’AMD SEV-SNP dans EC2 pour des workloads de VMs confidentielles plus généralistes.

Azure a investi massivement sur l’ensemble du spectre. Azure supporte Intel SGX pour les workloads historiques à base d’enclaves, AMD SEV-SNP et Intel TDX pour les VMs confidentielles, et a construit un écosystème autour des conteneurs confidentiels et des VMs confidentielles. Le positionnement d’Azure reflète son orientation entreprise et secteurs régulés, avec une attention particulière aux services d’attestation et à l’intégration avec Azure Key Vault.

GCP propose des Confidential VMs basées sur AMD SEV-SNP et Intel TDX, et a développé Confidential Space, un service spécifiquement conçu pour les scénarios de collaboration multipartite où deux organisations ou plus souhaitent exécuter des calculs conjoints sur leurs données combinées sans les exposer les unes aux autres ni à Google.

Sur le plan fonctionnel, à haut niveau, les offres des fournisseurs couvrent des périmètres similaires. Dans la plupart des cas, les différences qui comptent réellement pour un décideur relèvent moins des fonctionnalités intrinsèques que de l’intégration avec le reste de la plateforme, de la maturité de l’outillage d’attestation et des cas d’usage spécifiques que chaque fournisseur a privilégiés. D’un point de vue cryptographique cependant, toutes les approches ne se valent pas : SEV-SNP et TDX protègent des machines virtuelles entières via le chiffrement mémoire imposé par le processeur, SGX applique des protections similaires au niveau d’enclaves applicatives individuelles, tandis que des systèmes comme Nitro Enclaves reposent principalement sur un isolement par virtualisation assisté matériellement et une base de confiance réduite.

Ce qui est vrai pour les trois, c’est que le confidential computing n’est plus expérimental. C’est un service en production chez chacun des grands fournisseurs de cloud, avec des cas d’utilisation réels en pratique.

Où le confidential computing trouve réellement sa place

Quelques catégories de workloads bénéficient clairement du confidential computing, et elles partagent un schéma commun : les données doivent être traitées côté serveur, et le modèle de menace inclut effectivement l’opérateur de l’infrastructure.

Calcul multipartite et clean rooms. Deux organisations ou plus, souvent concurrentes ou soumises à des régulations strictes, ont besoin d’exécuter des analyses conjointes sur leurs jeux de données combinés sans exposer leurs données brutes entre elles ni à l’opérateur de la plateforme. Des consortiums financiers qui détectent de la fraude entre institutions, des réseaux de santé qui mutualisent des données cliniques pour la recherche, des clean rooms publicitaires qui croisent des audiences sans partager les identifiants sous-jacents : tous ces scénarios exigent un environnement d’exécution neutre qu’aucun des participants, y compris le fournisseur cloud, ne peut inspecter.

Workloads IA sur données sensibles. Comme évoqué dans l’article sur la collaboration E2EE, de nombreuses fonctionnalités IA sont fondamentalement incompatibles avec le chiffrement de bout en bout parce que le serveur doit pouvoir lire le contenu pour le traiter. Le confidential computing offre une voie intermédiaire. Une organisation peut exécuter de l’inférence sur des données sensibles, ou faire du fine-tuning d’un modèle sur des informations propriétaires, à l’intérieur d’un TEE. Le fournisseur héberge le workload mais ne peut voir ni les entrées, ni les sorties, ni les poids du modèle. Cela importe à la fois pour les clients qui veulent utiliser de l’IA sur des données qu’ils ne peuvent pas exposer, et pour les éditeurs de modèles qui veulent protéger leurs poids de l’infrastructure qui les exécute. Cela s’étend de plus en plus au-delà des CPU vers les accélérateurs eux-mêmes : de nouvelles architectures de GPU confidentiels, notamment chez Azure, GCP et dans certaines parties de l’écosystème AWS, visent à étendre le principe aux workloads IA sur GPU.

Gestion de clés et opérations cryptographiques. Faire tourner des services cryptographiques sensibles à l’intérieur d’un TEE permet à une organisation de détenir des clés de signature, d’effectuer des opérations cryptographiques et de gérer des secrets d’une manière isolée de l’environnement hôte. C’est la catégorie qu’AWS a visée tôt avec Nitro Enclaves, notamment via des intégrations avec le KMS et des workflows de signature isolés en enclave, et elle reste l’un des cas d’usage les plus matures.

Traitement de données régulées. Analytique en santé, modélisation de risque financier, traitement de données personnelles sous des régimes réglementaires stricts. Lorsque les données sont trop sensibles pour être exposées au fournisseur mais trop volumineuses ou trop intensives en calcul pour être traitées côté client, le confidential computing offre une voie intermédiaire crédible.

Ces cas d’usage partagent une caractéristique structurelle. Dans chacun, le traitement côté client est soit impossible soit difficilement réalisable en pratique, ce qui exclut la forme la plus forte de chiffrement de bout en bout. Le confidential computing n’est pas un remplaçant de l’E2EE dans les cas où l’E2EE s’applique. C’est une réponse aux cas où il ne s’applique pas.

Contre quoi le confidential computing protège

Positionnées dans un modèle de menace clair, les garanties apportées par le confidential computing sont réelles.

Par exemple, dans les systèmes de confidential computing matériels tels qu’AMD SEV-SNP ou Intel SGX/TDX, les administrateurs disposant d’un accès à l’hyperviseur ou à l’OS hôte ne peuvent pas inspecter directement la mémoire d’un workload protégé. Du point de vue de l’hôte, le contenu de la mémoire reste protégé cryptographiquement.

Les autres tenants qui partagent le même matériel physique sont isolés par les mêmes mécanismes, ce qui empêche une VM voisine compromise d’accéder directement à la mémoire d’une VM confidentielle.

Une compromission de l’hyperviseur, qui dans un modèle cloud traditionnel exposerait l’ensemble des machines virtuelles invitées, n’expose pas automatiquement les VMs confidentielles, car l’hyperviseur est explicitement exclu du périmètre de confiance pour la protection mémoire.

Les attaques sur la mémoire physique, comme les cold boot attacks ou l’interception de bus, sont atténuées dans les architectures utilisant le chiffrement matériel de la mémoire, puisque le contenu mémoire n’est pas directement lisible en clair en dehors du périmètre d’exécution sécurisée.

À l’inverse, les systèmes de type enclave comme AWS Nitro Enclaves atteignent un objectif de sécurité similaire via une isolation de plateforme étroitement contrôlée plutôt qu’un chiffrement mémoire CPU complet d’une machine virtuelle. Dans ce modèle, l’exécution est cloisonnée à l’écart de l’instance parente et de l’infrastructure cloud environnante, de sorte que même les opérateurs privilégiés du système hôte ne peuvent pas accéder directement à l’état d’exécution de l’enclave.

Combinées à l’attestation, ces propriétés permettent à un tiers d’obtenir une assurance cryptographique qu’un workload donné tourne dans un environnement donné, avant de lui confier des données sensibles.

Les limites du confidential computing et ce qu’il suppose en matière de confiance

Comme pour chaque autre solution couverte dans cette série d’articles, une évaluation honnête requiert d’identifier clairement les limites.

La confiance se déplace vers les fournisseurs de matériel et de plateforme. Le confidential computing n’élimine pas la confiance. Il la relocalise. Là où le chiffrement au repos avec HYOK dépend en dernier ressort de la confiance accordée au KMS du fournisseur, le confidential computing dépend de la confiance accordée à l’implémentation du TEE sous-jacent et à l’infrastructure d’attestation. Cela inclut la confiance accordée aux fabricants de matériel comme Intel, AMD ou ARM pour concevoir correctement les TEE, fabriquer les puces fidèlement et gérer de façon sûre les clés maîtres et la PKI utilisées pour l’attestation, ainsi que la confiance accordée aux fournisseurs cloud pour opérer correctement les services d’attestation et d’intégration au niveau de la plateforme. Dans de nombreux modèles de sécurité, c’est un compromis acceptable, mais il doit être nommé explicitement. Une compromission de la racine d’attestation concernée ébranlerait tout système qui en dépend.

Les attaques par canaux auxiliaires sont une menace réelle. Intel SGX, la technologie TEE la plus scrutée, a été compromise à plusieurs reprises au cours de son existence. Foreshadow, Plundervolt, SGAxe, ÆPIC Leak et d’autres ont montré que l’isolation fournie par les TEE n’est pas absolue. Ces attaques sont généralement complexes et nécessitent des conditions spécifiques, mais elles ne sont pas théoriques. Le schéma s’est également manifesté dans l’écosystème AMD, avec des attaques comme CacheWarp et diverses faiblesses de SEV-SNP divulguées au fil du temps. La posture appropriée n’est pas de rejeter la technologie, mais de reconnaître que les TEE sont soumis à un cycle continu de recherche d’attaques et de correctifs, et d’en tenir compte dans les décisions opérationnelles, notamment en matière de discipline de patching et de délai acceptable entre la divulgation d’une vulnérabilité et sa remédiation.

L’application à l’intérieur du TEE n’est pas protégée comme par magie. Si le code qui tourne dans l’enclave comporte des vulnérabilités, la protection matérielle n’y change rien. Un buffer overflow dans une application enclavée peut toujours être exploité. Le confidential computing protège l’environnement d’exécution de l’extérieur ; il ne protège pas l’application contre elle-même. Les bonnes pratiques habituelles du développement sécurisé s’appliquent à l’identique.

L’attestation dépend d’une PKI fonctionnelle. Le mécanisme d’attestation repose sur la fiabilité et la disponibilité d’une infrastructure de signature de confiance, qu’elle soit opérée par un fabricant de puces ou par le fournisseur de plateforme. Une compromission de cette PKI, ou une défaillance du service d’attestation, a des conséquences systémiques. Ce n’est pas un mode de défaillance fréquent, mais cela introduit une dépendance de confiance centralisée qui n’existait pas auparavant.

Les métadonnées et les effets de bord restent visibles. Même lorsque le contenu de la mémoire est protégé, des schémas peuvent fuiter. Patterns d’accès mémoire, timing des opérations, volumes de trafic réseau, usage des caches : tout cela peut révéler des informations sur ce que le workload est en train de faire, même s’il ne s’agit pas du contenu à proprement parler des données. Pour les modèles de menace les plus exigeants, ces signaux résiduels comptent.

Le confidential computing ne remplace pas l’E2EE là où l’E2EE s’applique. C’est l’un des points les plus importants à retenir dans cette série d’articles. Lorsque les données peuvent être traitées côté client, le chiffrement de bout en bout garde le clair entièrement à l’extérieur de l’environnement du fournisseur. La base de confiance est plus étroite : seul l’appareil de l’utilisateur, pas une chaîne d’approvisionnement de fabricant de puces ni un service d’attestation. Les deux approches traitent des situations différentes, et le choix entre les deux découle du workload lui-même. Le confidential computing est la réponse pertinente lorsque le cas d’usage exige un traitement côté serveur ; le chiffrement de bout en bout est la réponse pertinente lorsqu’il ne l’exige pas.

Positionnement : trois réponses au « data in use »

En prenant de la hauteur, le paysage des options pour protéger les données pendant leur traitement peut s’organiser autour de trois approches, chacune avec un profil de confiance différent.

Traiter côté client quand le workload le permet. C’est ce que permet le chiffrement de bout en bout. Les données sont traitées sur le poste client, et le serveur ne manipule que des données chiffrées. Lorsque ce modèle correspond au cas d’usage, il maintient la base de confiance aussi étroite que possible : aucune zone de confiance côté serveur n’est nécessaire, puisqu’aucun clair n’existe jamais sur le serveur. L’article sur la collaboration E2EE détaille les catégories de workloads pour lesquels cela est faisable.

Traiter côté serveur dans un environnement d’exécution matériellement isolé. C’est le confidential computing. Le serveur traite du clair, mais uniquement à l’intérieur d’un périmètre d’exécution de confiance imposé soit par l’isolation mémoire basée sur le CPU, soit par des mécanismes d’isolation de plateforme étroitement contrôlés. Dans les deux cas, l’hyperviseur, l’OS hôte et l’infrastructure du fournisseur cloud sont empêchés d’accéder directement aux données en cours d’utilisation. La base de confiance se déplace vers les composants matériels et de plateforme sous-jacents (TEE CPU ou systèmes comme AWS Nitro Enclaves), ainsi que vers l’infrastructure d’attestation, tandis que le fournisseur cloud garde le contrôle des ressources système (calcul, ordonnancement, E/S, disponibilité) mais est exclu de tout accès direct à l’état applicatif en clair.

Traiter côté serveur directement sur du chiffré. C’est là qu’intervient le chiffrement homomorphe, et il mérite une brève mention ici même s’il justifierait un article à lui seul. Le Fully Homomorphic Encryption (FHE) permet d’effectuer des calculs directement sur des données chiffrées, en produisant des résultats chiffrés qui, une fois déchiffrés, correspondent à ce que le calcul équivalent en clair aurait produit. L’attrait conceptuel est frappant : aucune confiance matérielle, aucune attestation, aucune PKI fabricant, le serveur ne voit que du chiffré de bout en bout, y compris pendant le calcul. La limite pratique aujourd’hui est la performance. Malgré des progrès scientifiques majeurs au cours de la dernière décennie et l’accélération GPU, le FHE reste plusieurs ordres de grandeur plus lent que le calcul en clair pour la plupart des workloads généralistes. Lorsqu’il est déployé en production aujourd’hui, c’est typiquement pour des opérations ciblées : recherche chiffrée, agrégations simples, certains schémas d’inférence ML préservant la vie privée. Ce n’est pas, pour l’instant, un substitut au calcul généraliste.

Le confidential computing et le FHE ne sont pas mutuellement exclusifs. Certaines architectures les combinent, en utilisant les TEE pour les workloads qui exigent une performance complète et le FHE pour des opérations ciblées où les garanties cryptographiques importent le plus. Un prochain article de cette série approfondira le FHE.

Pour l’heure, le paysage opérationnel est à peu près le suivant : E2EE quand c’est possible, confidential computing quand un traitement côté serveur est requis, et FHE à l’horizon pour des opérations spécifiques où ses contraintes actuelles sont acceptables.

Approche Données accessibles au fournisseur pendant le traitement ? Base de confiance principale
Chiffrement au repos (y compris BYOK/HYOK) Oui Infrastructure du fournisseur cloud, KMS, administrateurs de la plateforme
Confidential computing Pas directement, à l’intérieur du périmètre d’exécution protégée Implémentation matérielle/plateforme du TEE, infrastructure d’attestation, workload/application
Chiffrement de bout en bout Non Appareils et logiciels clients
Fully Homomorphic Encryption Non, y compris pendant le calcul Appareils clients et hypothèses cryptographiques sous-jacentes

Perspective gouvernance : faire correspondre l’outil au modèle de menace

Comme expliqué dans l’article sur la gouvernance dans cette série, l’unité d’analyse doit être le workload, pas une classification générique. Le confidential computing est un outil de plus dans la boîte à outils, pas une réponse par défaut.

Il devient le bon choix lorsque trois conditions sont typiquement réunies. Premièrement, le workload exige effectivement un traitement côté serveur, ce qui exclut la forme la plus forte d’E2EE. Deuxièmement, le modèle de menace inclut le fournisseur sous une forme ou une autre, qu’il s’agisse de contrainte légale, de risque interne ou d’enjeux de souveraineté. Troisièmement, le coût opérationnel et financier du confidential computing est acceptable au regard de la valeur qu’il apporte. Si l’une de ces conditions manque, des approches plus simples suffisent souvent.

Lorsqu’un fournisseur annonce proposer du confidential computing, les questions à poser sont précises. L’attestation est-elle exposée au client, ou utilisée uniquement en interne par le fournisseur ? Quelles mesures sont publiées, et peuvent-elles être vérifiées indépendamment ? Quelle est la politique de patching des vulnérabilités matérielles du TEE sous-jacent, et à quelle vitesse les clients sont-ils informés ? Quels workloads tournent à l’intérieur du TEE, et lesquels voient encore du clair dans l’infrastructure conventionnelle ? Des réponses vagues à ces questions suggèrent que le marketing a avancé plus vite que l’ingénierie.

Comme pour chaque contrôle discuté dans cette série d’articles, la valeur du confidential computing dépend du modèle de menace auquel il est confronté. Lorsqu’il est déployé contre les risques qu’il est réellement conçu pour adresser, il comble une lacune qu’aucune autre technologie opérationnelle actuellement ne comble aussi efficacement. Utilisé comme une étiquette essentiellement marketing, en revanche, il risque de fournir l’illusion d’une protection sans la substance.

Conclusion

Le confidential computing n’élimine pas la confiance ; il la redistribue depuis les opérateurs de cloud vers des racines de confiance matérielles et de plateforme. En contrepartie, il réduit la capacité du fournisseur cloud à accéder aux données pendant le calcul. Pour les workloads où le chiffrement de bout en bout n’est pas viable et où le fournisseur fait partie du modèle de menace, c’est un gain architectural significatif.

Il s’accompagne aussi de limites réelles. Le « confidential computing » ne devrait pas être traité comme une propriété de sécurité uniforme. Différentes implémentations font des hypothèses différentes sur le matériel de confiance, l’attestation, l’accès physique et les capacités adverses. À haut niveau, elles peuvent toutes réduire l’exposition aux administrateurs cloud, mais leurs garanties peuvent diverger sensiblement dès que des attaquants sophistiqués ou de niveau étatique entrent dans le modèle de menace. De plus, les fabricants de matériel doivent être de confiance, les attaques par canaux auxiliaires continuent d’émerger, l’application elle-même doit rester sûre, et la zone grise des métadonnées qui affecte l’E2EE affecte également le confidential computing. Le traiter comme une solution miracle est exactement le type d’erreur contre lequel l’article sur la gouvernance mettait en garde.

Cela dit, au final, la bonne question, comme toujours, n’est pas « le confidential computing est-il sûr ? » mais « quel modèle de menace adresse-t-il, et est-ce le mien ? ». Pour de nombreux workloads régulés, souverains ou à forte valeur où le traitement côté serveur est incontournable, la réponse est de plus en plus oui. Pour les workloads où le traitement côté client convient naturellement, le chiffrement de bout en bout reste la réponse la plus appropriée, parce qu’il supprime totalement le besoin d’une zone d’exécution de confiance côté serveur. Et pour l’ensemble restreint d’opérations où le traitement cryptographique du chiffré est viable, le chiffrement totalement homomorphe (FHE) commence à offrir une troisième voie, qu’un prochain article de cette série explorera en profondeur.

Le fil directeur de cette série doit désormais être clair. Il n’y a pas de réponse unique à la confidentialité des données dans le cloud. Il y a des outils, chacun avec un périmètre et un jeu d’hypothèses, et il y a le travail de gouvernance consistant à les faire correspondre aux menaces réelles auxquelles une organisation est confrontée. Le confidential computing a gagné sa place dans cette boîte à outils. Reste à l’utiliser là où il est pertinent, en étant précis sur ce qu’il fait et ce qu’il ne fait pas.

Continuer la série

Toutes les ressources

Envie de discuter de ces sujets ?

Contactez notre équipe pour explorer comment la cryptographie avancée peut répondre à vos défis de sécurité.