L'informatique optique a fait des progrès ces dernières années, avec ses avantages potentiels en termes de vitesse, d'efficacité énergétique et d'évolutivité. Parmi divers dispositifs photoniques, les réseaux de neurones profonds diffractifs (D²NNs) ont attiré une attention croissante en tant que plate-forme émergente en espace libre pour l'informatique optique.

D²Les NN, également connus sous le nom de réseaux diffractifs, utilisent des méthodes d'apprentissage en profondeur pour concevoir une série de surfaces diffractives spatialement structurées qui modulent la diffraction de la lumière pour calculer une tâche donnée à la vitesse de propagation de la lumière. Outre sa rapidité et son efficacité énergétique, D²Les NN offrent également des avantages uniques pour les tâches informatiques visuelles, car ils peuvent traiter et accéder directement aux informations spatiales 2D et 3D d'une scène codée par l'amplitude, la phase, la polarisation et le spectre de la lumière d'entrée.

Cet accès direct aux informations optiques rend les réseaux diffractifs idéaux pour les tâches informatiques visuelles, telles que la classification d'images, la reconstruction d'hologrammes, l'imagerie de phase quantitative et la vision à travers des diffuseurs aléatoires.

Une équipe de chercheurs de l'UCLA a récemment présenté un réseau diffractif pour effectuer des transformations spécifiques aux classes de données et un cryptage optique des images. Dans leur article publié dans la revue Matériaux avancésdes chercheurs de l'UCLA, dirigés par le professeur Aydogan Ozcan, ont démontré des réseaux diffractifs spécifiques à la classe qui effectuent les transformations souhaitées pour certaines classes de données d'entrée, résultant en des images cryptées optiquement, qui ne peuvent être récupérées qu'à l'aide des clés de décryptage correctes.

Dans leurs résultats, les réseaux diffractifs ont été formés à l'aide d'un apprentissage en profondeur, et une fois leur formation terminée, ils ont été physiquement fabriqués à l'aide de l'impression 3D pour transformer tout optiquement les images d'entrée et générer des modèles de sortie cryptés et ininterprétables capturés par un capteur d'image.

Ce n'est qu'en appliquant les clés de décryptage correctes (c'est-à-dire les transformations inverses spécifiques à la classe) que les images cryptées peuvent être restaurées pour révéler les informations d'origine, tandis que l'application d'autres transformations inverses non concordantes entraîne des modèles de type bruit. L'équipe de l'UCLA a démontré expérimentalement la preuve de concept de ce cryptage d'image tout optique spécifique à une classe à la fois dans le proche infrarouge et dans les térahertz, validant sa faisabilité dans différentes parties du spectre électromagnétique.

Au lieu d'utiliser une matrice de transformation fixe sans distinction pour toutes les classes d'objets d'entrée, ce schéma de chiffrement d'image basé sur un réseau diffractif effectue un ensemble de transformations prédéterminées, chacune spécifiquement et exclusivement affectée à une classe de données. En revanche, toute autre image d'entrée provenant de classes de données indésirables entraînera des images de sortie non interprétables et sans signification.

Cette conception de chiffrement spécifique à la classe ajoute une couche de sécurité supplémentaire et rend plus difficile le déchiffrement des images d'origine appartenant aux classes de données cibles par rétro-ingénierie.

En plus d'une sécurité renforcée, cette conception spécifique à la classe permet une distribution sécurisée des données à plusieurs utilisateurs finaux, tous simultanément, en utilisant un seul réseau de chiffrement diffractif, où différentes clés de déchiffrement peuvent être distribuées à différents récepteurs en fonction de leurs autorisations d'accès aux données. Cela garantit que seule la partie souhaitée des données d'entrée est partagée avec les utilisateurs autorisés, même si un seul réseau diffractif chiffre optiquement toutes ces différentes classes de données.

Ce cryptage spécifique à la classe de données basé sur le réseau diffractif est entièrement basé sur la propagation de la lumière à travers des couches transmissives passives, ne nécessitant aucune puissance de calcul externe autre que la lumière d'éclairage. Cette fonctionnalité rend le système attrayant pour le chiffrement d'images distribué à l'aide d'un chiffreur tout optique rapide, spécifique à une tâche et économe en énergie.

Cette nouvelle conception de cryptage d'image diffractive pourrait ouvrir la voie au développement de solutions de sécurité d'image et de données et de dispositifs de traitement d'image tout optique fonctionnant à diverses longueurs d'onde d'éclairage.