Cryptanalytic Time-Memory Trade-Off
Compromis Temps-Mémoire Cryptanalytique
Résumé
This manuscript analyzes enhancements to Time-Memory Trade-Off (TMTO) techniques, focusing on the Rainbow Tables (RTs) variant. It revisits the oftenoverlooked precomputation phase of RTs, proposing significant advances. A key contribution is the filtration method, which reduces precomputation time for RTs, particularly for so-called ’perfect’ or ’clean’ RTs, allowing this time to be reduced by a factor of 6 for quasimaximal tables. The thesis also investigates the distribution of the precomputation phase using the filtration method, providing a comparison of TMTO precomputation time across different environments. This research reveals that the current bottleneck for TMTOs lies within the precomputation phase, not the attack time or memory for TMTO storage. Moreover, it introduces two new variants of RTs: Descending and Ascending Stepped Rainbow Tables. These variants, with fixed coverage and memory, outperform vanilla RTs in precomputation and attack. Notably, the first allows to significantly reduce the precomputation time compared to RTs with filtration, while the Ascending variant offers significant gains for quasi-maximal tables. The thesis concludes that TMTOs should be viewed as a trade-off among four factors: precomputation time, attack time, memory, and coverage, paving the way for future TMTO optimization.
Cette thèse analyse les améliorations des Compromis Temps-Mémoire Cryptanalytiques (TMTO), avec un accent sur les tables arc-en-ciel (RT). Elle revisite la phase de précalcul des RT, une étape souvent délaissée, en proposant des avancées notables. Une contribution majeure est la méthode de filtration, qui réduit le temps de précalcul des RT, en particulier celles dites parfaites ou propres, permettant de diminuer ce temps par un facteur de 6 pour des tables quasimaximales. La thèse explore également la distribution de la phase de précalcul utilisant la méthode de filtration et fournit une comparaison du temps de précalcul des TMTO sur divers environnements. Ce travail révèle que le goulet d’étranglement actuel des TMTO sont les précalculs, et non le temps d’attaque ou la mémoire. Par ailleurs, elle présente deux nouvelles variantes des RT : les tables escaliers descendantes et ascendantes. Ces deux variantes, à couverture et mémoire fixes, surpassent les RT en précalcul et en attaque. Notamment, la première permet de réduire significativement le temps de précalcul par rapport aux RT avec filtration, tandis que la seconde permet un gain significatifs pour les tables quasi-maximales. La thèse conclut que les TMTO doivent être envisagés comme un compromis entre quatre facteurs : temps de précalcul, temps d’attaque, mémoire et couverture, ouvrant la voie à une optimisation future des TMTO.
Origine : Version validée par le jury (STAR)