Colmare il disordine e l’ordine nei laser casuali per applicazioni crittografiche tramite deep learning

Luce, caos e pattern nascosti

Ogni giorno i nostri messaggi privati, i dati bancari e le cartelle cliniche sono protetti da chiavi digitali—lunghe sequenze di bit che dovrebbero essere impossibili da indovinare. Ma man mano che i computer, in particolare quelli quantistici, diventano più potenti, gli artifici matematici odierni per generare e condividere queste chiavi potrebbero non essere più sicuri. Questo studio esplora un approccio completamente diverso: usare un tipo speciale di laser “casuale” e l’intelligenza artificiale per creare e trasmettere chiavi in modo radicato nelle leggi della fisica piuttosto che in problemi matematici difficili.

Un laser irrequieto nato dal disordine

Invece degli specchi accuratamente levigati dei laser ordinari, un laser casuale si basa sul disordine. Qui gli autori usano un breve tratto di fibra ottica in plastica riempita di molecole di colorante e piccolissime nanoparticelle. Quando un impulso di laser verde entra in questo nucleo torbido, la luce rimbalza in modo imprevedibile accumulando energia mentre viene diffusa. Oltre una certa energia di pompaggio, questa combinazione di guadagno e scattering produce un laser il cui spettro appare come una foresta di picchi stretti e frastagliati. Le posizioni di questi picchi in colore restano fisse, ma le loro ampiezze scintillano selvaggiamente da un impulso all’altro. Questo comportamento irrequieto rende il dispositivo una fonte fisica interessante di casualità, un ingrediente essenziale per la crittografia sicura.

Casuale nel tempo, ma non in ogni senso

Il gruppo si chiede prima se queste variazioni d’intensità nel tempo possano essere previste. Trattano lo spettro a ciascun colore come una serie temporale separata e forniscono lunghe storie di questi segnali a diversi modelli di reti neurali avanzate che di solito sono eccellenti nell’apprendere pattern nei dati. Per confronto, generano anche una sequenza pseudo-casuale convenzionale, che è tecnicamente prevedibile perché segue una formula nascosta. Le reti apprendono facilmente la sequenza artificiale, raggiungendo quasi la perfezione nella predizione. In netto contrasto, gli stessi modelli performano molto male sui dati del laser, anche quando ricevono più esempi di addestramento o storie più lunghe. Questo mostra che, impulso dopo impulso, la luminosità in un dato canale di colore è essenzialmente imprevedibile, rafforzando il valore del laser come sorgente di casualità di alta qualità.

Ordine nascosto nello spettro

Eppure la storia non finisce con il caos. Quando gli autori osservano lo spettro in un singolo istante, vedono indizi di struttura: alcune lunghezze d’onda tendono a salire e scendere insieme, mentre altre si oppongono. Per sondare questo ordine sottile, comprimono ogni spettro campionando solo i picchi e le valli stabili e poi affidano a una profonda rete neurale una nuova sfida: prevedere l’altezza di uno o più picchi mancanti a partire da quelli rimanenti nello stesso istante. Qui l’apprendimento automatico brilla. Usando solo le intensità ad altri colori, la rete può ricostruire un singolo picco mancante con circa il 99,99% di accuratezza e diversi picchi con un’accuratezza ancora elevata. In altre parole, sebbene il laser sia casuale nel tempo, le sue componenti spettrali in un dato istante sono legate da una relazione deterministica nascosta che una rete neurale può imparare a sfruttare.

Trasformare lo scintillio in segreti digitali

Sfruttando questa duplice natura—casuale nel tempo, ordinata attraverso i colori—i ricercatori progettano uno schema fisico per la generazione e la distribuzione sicura di chiavi. Una parte, Alice, misura la luminosità di un picco spettrale scelto su molti impulsi e converte questa sequenza imprevedibile in bit casuali, elaborandola con cura in modo che zeri e uni appaiano con uguale probabilità e superino rigidi test statistici. Poi rimuove quel picco dallo spettro e invia solo la luce rimanente a Bob attraverso lo spazio libero. Bob misura lo spettro incompleto e immette le intensità di picchi e valli in una rete neurale addestrata in precedenza. La rete ricostruisce l’intensità del picco mancante a ogni impulso, permettendo a Bob di generare esattamente la stessa sequenza di bit che ha ottenuto Alice—senza aver mai ricevuto direttamente il picco critico.

Mantenere gli spioni al buio

Gli autori considerano anche due tipi di intercettatori. Uno ascolta senza accesso alla rete neurale specializzata e può solo campionare un canale spettrale vicino; l’altro dispone della rete corretta ma riceve un segnale distorto e rumoroso che sposta leggermente le posizioni di campionamento. Nelle simulazioni, entrambi gli attaccanti si ritrovano con chiavi essenzialmente non correlate a quella di Alice, mentre la chiave ricostruita da Bob rimane quasi perfettamente allineata anche in presenza di rumore e variazioni di potenza del laser. Codici di correzione degli errori possono ulteriormente ripulire i bit di Bob senza aiutare gli attaccanti. Per un osservatore non esperto, il messaggio principale è che questo ibrido di luce disordinata e algoritmi intelligenti può creare segreti digitali condivisi estremamente difficili da rubare, indicando nuove modalità hardware per proteggere le nostre informazioni in un futuro in cui la crittografia tradizionale potrebbe non essere più sufficiente.

Citazione: Hu, Z., Qi, L., He, S. et al. Bridging disorder and order in random lasers for cryptographic applications via deep learning. Commun Phys 9, 132 (2026). https://doi.org/10.1038/s42005-026-02600-z

Parole chiave: laser casuali, crittografia fisica, deep learning, distribuzione sicura di chiavi, fibre ottiche