Преодоление хаоса и порядка в случайных лазерах для криптографических приложений с помощью глубокого обучения

Свет, хаос и скрытые закономерности

Каждый день наши личные сообщения, банковские данные и медицинские записи защищены цифровыми ключами — длинными последовательностями битов, которые, по идее, невозможно угадать. Но по мере того как вычислительные мощности, особенно квантовые компьютеры, растут, сегодняшние математические приёмы генерации и обмена ключами могут утратить безопасность. В этом исследовании рассматривается принципиально иной подход: использование особого вида «случайного» лазера и искусственного интеллекта для создания и передачи ключей, основанных на законах физики, а не на сложных математических задачах.

Беспокойный лазер, рожденный беспорядком

Вместо тщательно отполированных зеркал, используемых в обычных лазерах, случайный лазер опирается на беспорядок. Авторы применяют короткий отрезок пластиковой оптической нити, заполненный молекулами красителя и крошечными наночастицами. Когда в этот мутный сердечник попадает импульс зелёного лазера, свет хаотично рассекается и многократно рассеивается, накапливая энергию. При превышении определённой энергии накачки сочетание усиления и рассеяния даёт лазер со спектром, похожим на лес узких, зазубренных пиков. Позиции этих пиков по цвету остаются фиксированными, но их высоты слабо колеблются от импульса к импульсу. Такое беспокойное поведение делает устройство привлекательным физическим источником случайности — важного компонента для надёжной криптографии.

Случайный во времени, но не во всём

Команда сначала проверяет, предсказуемы ли эти флуктуации интенсивности во времени. Они рассматривают спектр на каждой длине волны как отдельную временную последовательность и подают длинные истории этих сигналов в несколько современных нейронных сетей, обычно хорошо справляющихся с выявлением закономерностей в данных. Для сравнения они также генерируют привычную псевдослучайную последовательность, которая технически предсказуема, так как следует скрытой формуле. Сети легко выучивают искусственную последовательность, достигая почти идеальной точности предсказаний. В резком контрасте те же модели крайне плохо работают на данных лазера, даже при большем числе обучающих примеров или более длинной истории. Это показывает, что от импульса к импульсу яркость в конкретном цветовом канале по сути непредсказуема, что подтверждает ценность лазера как источника высококачественной случайности.

Порядок, скрытый внутри спектра

Но история не заканчивается на хаосе. При рассмотрении спектра в один момент времени сквозь него проступают признаки структуры: некоторые длины волн склонны одновременно усиливаться и ослабевать, в то время как другие ведут себя противоположно. Чтобы исследовать эту тонкую упорядоченность, они сжимают каждый спектр, выбирая лишь устойчивые пики и впадины, и затем ставят перед глубокой нейронной сетью новую задачу: предсказать высоту одного или нескольких отсутствующих пиков по оставшимся в том же самом моменте. Здесь машинное обучение показывает себя во всей красе. Используя только интенсивности в других цветах, сеть восстанавливает один пропавший пик с примерно 99.99% точностью и несколько пиков с всё ещё высокой точностью. Иными словами, хотя лазер рандомен во времени, его спектральные компоненты в данный момент связаны скрытыми детерминистическими отношениями, которые нейросеть может выучить и использовать.

Преобразование мерцания в цифровые секреты

Исходя из этой двойственности — случайности во времени и порядка по цветам — исследователи разрабатывают физическую схему для безопасной генерации и распределения ключей. Одна сторона, Алиса, измеряет яркость выбранного спектрального пика в течение многих импульсов и преобразует эту непредсказуемую последовательность в случайные биты, тщательно обрабатывая её так, чтобы нули и единицы появлялись с равной вероятностью и проходили строгие статистические тесты. Затем она удаляет этот пик из спектра и отправляет Бобу только оставшийся свет по свободному пространству. Боб измеряет неполный спектр и подаёт интенсивности его пиков и впадин на вход заранее обученной нейронной сети. Сеть реконструирует интенсивность отсутствующего пика в каждом импульсе, позволяя Бобу сгенерировать точно такую же битовую последовательность, что и у Алисы — несмотря на то, что он никогда не получал критический пик напрямую.

Держать перехватчиков в неведении

Авторы также рассматривают двух типов перехватчиков. Один подслушивает без доступа к специализированной нейросети и может лишь измерять соседний спектральный канал; другой обладает правильной сетью, но получает искажённый, зашумлённый сигнал, в результате чего немного смещаются позиции выборок. В симуляциях у обоих атакующих ключи оказываются по сути некоррелированными с ключом Алисы, в то время как реконструированный Бобом ключ остаётся почти идеально совпадающим даже в присутствии шума и колебаний мощности лазера. Кодирование с исправлением ошибок может дополнительно очистить биты Боба, не помогая при этом злоумышленникам. Для неспециалиста главный вывод таков: это гибридное сочетание беспорядочного света и продуманных алгоритмов способно создавать общие цифровые секреты, которые крайне трудно украсть, открывая путь к аппаратно-ориентированным способам защиты информации в будущем, где традиционная криптография может оказаться недостаточной.

Цитирование: 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

Ключевые слова: случайные лазеры, физическая криптография, глубокое обучение, безопасное распределение ключей, оптические волокна