Att överbrygga oordning och ordning i slumpmässiga lasrar för kryptografiska tillämpningar med djupinlärning

Ljus, kaos och dolda mönster

Varje dag skyddas våra privata meddelanden, bankuppgifter och journaler av digitala nycklar—långa bitsträngar som ska vara omöjliga att gissa. Men i takt med att datorer, inte minst kvantdatorer, blir kraftfullare kan dagens matematiska metoder för att skapa och dela dessa nycklar bli osäkra. Denna studie utforskar ett helt annat angreppssätt: att använda en speciell typ av ”slumpmässig” laser tillsammans med artificiell intelligens för att skapa och överföra nycklar på ett sätt som är förankrat i fysikens lagar snarare än i svårknäckta matematiska problem.

En rastlös laser född ur oordning

I stället för de noggrant polerade speglarna i vanliga lasrar förlitar sig en slumpmässig laser på oordning. Här använder författarna en kort plastoptisk fiber fylld med färgämnesmolekyler och små nanopartiklar. När en grön laserpuls träder in i denna grumliga kärna studsar ljuset omkring oförutsägbart och förstärks när det sprids. Över en viss pumpenergi frambringar denna blandning av förstärkning och spridning en laser vars spektrum ser ut som en skog av smala, taggiga toppar. Topparnas lägen i färg förblir fasta, men deras höjder fladdrar vilt från puls till puls. Detta rastlösa beteende gör enheten till en attraktiv fysisk källa för slumpmässighet—en väsentlig ingrediens för säker kryptografi.

Slumpmässig i tiden, men inte på alla sätt

Teamet frågar först om dessa intensitetsfluktuationer över tid kan förutses. De behandlar spektrumet vid varje färg som en separat tidsserie och matar långa historiker av dessa signaler in i flera avancerade neurala nätverksmodeller som vanligtvis är utmärkta på att lära sig mönster i data. För jämförelse genererar de också en konventionell pseudoslumpmässig sekvens, som tekniskt sett är förutsägbar eftersom den följer en dold formel. Nätverken lär sig lätt den konstgjorda sekvensen och når nästan perfekt förutsägbarhet. I skarp kontrast presterar samma modeller extremt dåligt på laserdatan, även när de får fler träningsexempel eller längre historik. Det visar att, puls för puls, ljusstyrkan i en given färgkanal i praktiken är oförutsägbar, vilket stärker laserens värde som en högkvalitativ slumpmässighetskälla.

Ordning gömd i spektrumet

Men berättelsen slutar inte i kaos. När författarna tittar över spektrumet vid ett enda ögonblick ser de antydningar till struktur: vissa våglängder tenderar att stiga och sjunka tillsammans, medan andra rör sig åt motsatt håll. För att undersöka denna subtila ordning komprimerar de varje spektrum genom att sampelera endast de stabila topparna och dalarna och ger därefter ett djupt neuralt nätverk en ny uppgift: att förutsäga höjden på en eller flera saknade toppar utifrån de återstående vid samma ögonblick. Nu skiner maskininlärningen. Enbart med intensiteterna vid andra färger kan nätverket återfinna en enskild saknad topp med ungefär 99,99 % noggrannhet och flera toppar med fortfarande hög precision. Med andra ord: även om lasern är slumpmässig i tiden så är dess spektrala komponenter vid ett givet ögonblick kopplade genom en dold, deterministisk relation som ett neuralt nätverk kan lära sig att utnyttja.

Att omvandla fladdrande till digitala hemligheter

Byggt på denna dubbla natur—slumpmässig över tid, ordnad över färger—utformar forskarna ett fysiskt system för säker nyckelgenerering och distribution. En part, Alice, mäter ljusstyrkan hos en utvald spektral topp över många pulser och omvandlar denna oförutsägbara sekvens till slumpmässiga bitar, noggrant bearbetade så att nollor och ettor förekommer med lika sannolikhet och klarar strikta statistiska tester. Hon tar sedan bort den toppen från spektrumet och skickar endast det återstående ljuset till Bob genom fri rymd. Bob mäter det ofullständiga spektrumet och matar dess topp- och daldäthet in i ett neuralt nätverk som tränats i förväg. Nätverket rekonstruerar den saknade toppens intensitet för varje puls, vilket gör det möjligt för Bob att generera exakt samma bitsekvens som Alice—utan att någonsin ha mottagit den kritiska toppen direkt.

Hålla lyssnare i mörkret

Författarna överväger också två typer av avlyssnare. Den ena lyssnar utan tillgång till det specialiserade neurala nätverket och kan endast sampelera en närliggande spektralkanalen; den andra har rätt nätverk men tar emot en förvrängd, brusig signal som lätt förskjuter samplingspositionerna. I simuleringar får båda angriparna nycklar som i praktiken är okorrelerade med Alices, medan Bobs rekonstruerade nyckel förblir nästan perfekt överensstämmande även i närvaro av brus och variationer i laserstyrka. Felkorrigerande koder kan dessutom rengöra Bobs bitar utan att hjälpa angriparna. För en lekmannabetonad åskådare är huvudbudskapet att denna hybrid av oordnat ljus och smarta algoritmer kan skapa delade digitala hemligheter som är extremt svåra att stjäla, och pekar mot nya, hårdvarubaserade sätt att säkra vår information i en framtid där traditionell kryptografi kanske inte längre räcker.

Citering: 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

Nyckelord: slumpmässiga lasrar, fysisk kryptografi, djupinlärning, säker nyckeldistribution, optiska fibrer