La quête incessante de solutions pour protéger les données sensibles dans un monde connecté a conduit des chercheurs à explorer des méthodes inédites, alliant physique et intelligence artificielle. Parmi leurs découvertes récentes figure une technologie exploitant des hologrammes et des réseaux neuronaux pour renforcer la sécurité des communications numériques. Cette innovation pourrait bien redéfinir les standards actuels en matière de cryptographie optique.
Un système d’encryption fondé sur des hologrammes
Des scientifiques ont conçu un système optique novateur permettant de coder des informations grâce à l’utilisation d’hologrammes. Ce procédé repose sur une méthode où le rayonnement laser est modifié de manière aléatoire et complexe par interaction avec un milieu spécifique, rendant impossible toute tentative de décryptage sans clé adéquate. Leur approche s’appuie sur des réseaux neuronaux entraînés pour reconstruire les motifs lumineux initiaux, générant ainsi une clé unique indispensable au décodage.
«De l’évolution rapide des monnaies numériques à la gouvernance, en passant par les soins de santé, les communications et les réseaux sociaux, la demande de systèmes de protection robustes pour lutter contre la fraude numérique ne cesse de croître. », a affirmé Stelios Tzortzakis, directeur de l’équipe de recherche basée en Grèce. D’après lui, leur système atteint un niveau exceptionnel de protection en utilisant un réseau neuronal pour générer cette clé de décryptage. La singularité de leur méthode réside dans son caractère exclusif : seul le propriétaire du système peut créer cette clé.
Le rôle des réseaux neuronaux dans le décodage
Pour extraire des informations codées sous forme d’hologrammes, les chercheurs ont mis en œuvre des réseaux neuronaux capables de traiter des données spatiales complexes. Ces algorithmes, après avoir été rigoureusement entraînés, se sont montrés capables de reconstituer des images originales à partir de motifs lumineux chaotiquement dispersés. Une telle performance illustre le potentiel des techniques d’apprentissage automatique lorsqu’elles sont appliquées à des domaines exigeants comme la cryptographie optique.
Leur étude souligne que cette méthode présente une fiabilité remarquable, même dans des conditions environnementales difficiles. «La méthode que nous avons mise au point est très fiable, même dans des conditions difficiles et imprévisibles.», a précisé Stelios Tzortzakis, ajoutant que cette robustesse répond aux contraintes pratiques rencontrées dans les systèmes de communication optique en espace libre.
Une expérience validée par des résultats tangibles
Les chercheurs ont testé leur méthode en codant puis en décodant des milliers d’images issues de bases de données reconnues, incluant des chiffres manuscrits ainsi que divers objets du quotidien. Les réseaux neuronaux formés ont permis de retrouver les images d’origine avec une précision oscillant entre 90 % et 95 %. Ce taux, déjà impressionnant, pourrait être amélioré davantage grâce à un entraînement prolongé des algorithmes.
En pratique, l’interaction entre un faisceau laser puissant et une cuve remplie d’éthanol a été choisie pour produire un comportement chaotique nécessaire à l’effacement des traces lumineuses initiales. L’éthanol, en plus d’être abordable, induit rapidement une turbulence thermique qui amplifie considérablement le caractère imprévisible du processus.
Vers une commercialisation future ?
Bien que prometteuse, cette technologie fait face à certains obstacles avant sa mise sur le marché. Le coût élevé et l’encombrement des lasers actuellement employés constituent un frein majeur à leur adoption généralisée. Cependant, les chercheurs explorent activement des alternatives économiques tout en envisageant d’intégrer des mécanismes supplémentaires tels que l’authentification à deux facteurs.
Leur objectif consiste à rendre ce système accessible tout en conservant ses performances élevées. Si ces efforts aboutissent, les applications possibles iront de la sécurisation des transactions financières à la protection des infrastructures critiques, passant par des communications militaires ou diplomatiques.
Légende illustration : Construction de 20 exemples de formes complexes d’hologrammes à l’aide d’une architecture de réseau neuronal alimentée par un autoencodeur. Les images des première, troisième, cinquième et septième lignes sont les hologrammes originaux, tandis que les deuxième, quatrième, sixième et huitième lignes montrent leur reconstruction respective.
P. Konstantakis, M. Manousidaki, S. Tzortzakis, “Encrypted Optical Information in Nonlinear Chaotic Systems Uncovered Using Neural Networks,” 12, 131-139 (2025). DOI: 10.1364/OPTICA.530643.
