Vers des protocoles efficaces et authentifiés pour l'intersection privée d'ensembles dans des environnements multi-clouds // Towards Efficient and Authenticated Private Set Intersection in Multi-Cloud Environments

L'Intersection d'Ensembles Privée (PSI) est un protocole cryptographique qui permet à deux (ou plusieurs) parties, détenant chacune un ensemble d'éléments, de calculer l'intersection de leurs ensembles sans révéler aucun élément en dehors de cette intersection. Autrement dit, chaque partie apprend uniquement quels éléments elles ont en commun, et rien d'autre concernant les données de l'autre partie. Par exemple, deux entreprises pourraient collaborer pour découvrir quels clients elles partagent en commun sans divulguer les clients qui sont propres à une seule entreprise. Le PSI est un cas particulier du calcul multipartite sécurisé qui se concentre sur le chevauchement d'ensembles; il a des applications dans la découverte de contacts privés (comme pour Signal ou Whatsapp ou durant le Covid), l'exploration de données respectueuse de la vie privée... Dans cette thèse, nous étudions les améliorations du PSI avec le chiffrement entièrement homomorphe.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Private Set Intersection (PSI) is a cryptographic protocol that allows two (or more) parties, each holding a set of items, to compute the intersection of their sets without revealing any items outside the intersection. That is, each party learns only which items they have in common, and nothing else about the other’s data. For example, two companies could collaborate to find out which customers they share without disclosing any customers that are unique to one company. PSI is a special case of secure multi-party computation focusing on set overlap; it has applications in private contact discovery, privacy-preserving data mining,..In this thesis, we study PSI improvements with fully holomorphic encryption.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Systèmes et Circuits Intégrés Numériques (LIST)
Service : DSCIN
Laboratoire : Laboratoire pour la Confiance des sYstèmes de calcuL
Date de début souhaitée : 01-11-2026
Ecole doctorale : Ecole Doctorale de l’Institut Polytechnique de Paris (IP Paris)
Directeur de thèse : KAANICHE Nesrine
Organisme : Institut Mines-Télécom, Télécom SudParis
Laboratoire : SAMOVAR

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Systèmes et Circuits Intégrés Numériques (LIST)
Service : DSCIN

Master 2 en cryptographie