基于空间轨道角动量光束与多模光纤的彩色图像加密及抗机器学习攻击研究

针对传统光学加密易受无监督机器学习攻击的问题，研究人员提出了一种结合轨道角动量(OAM)全息与多模光纤(MMF)物理扰动的彩色图像加密方案。该系统通过OAM光束空间自由度携带RGB信息，经MMF传输生成散斑密文，并采用非对称解耦深度学习(ADDL)模型实现解密。该技术实现了去同步的高安全性加密传输，兼具高保真图像重建与抗攻击能力，为超高安全性光学加密提供了新思路。

　　

在数字信息爆炸式增长的时代，光学图像加密技术因其高并行性和物理层安全性备受关注。然而，传统基于分数阶傅里叶变换、相位恢复或全息术的加密方法正面临严峻挑战——无监督机器学习能够通过分析散斑模式破解加密信息。更棘手的是，现有技术难以同步实现彩色信息的高保真传输与强抗攻击能力。这一困境源于两个核心矛盾：一是光学系统对颜色通道的同步处理能力有限，二是加密介质（如多模光纤）的物理扰动特性尚未被充分开发利用。

针对这一技术瓶颈，中国的研究团队在《Optics and Lasers in Engineering》发表了一项突破性研究。他们创造性地将自由空间轨道角动量(Orbital Angular Momentum, OAM)光束与多模光纤(Multimode Fiber, MMF)相结合，构建了一套具有抗机器学习攻击能力的彩色图像加密系统。该系统通过OAM全息编码明文图像的像素信息，利用涡旋光束的空间自由度携带RGB三通道数据；随后让信息编码光束通过物理扰动的MMF，产生随机散斑作为密文；最终采用预训练的非对称解耦深度学习(Asymmetric Decoupling Deep Learning, ADDL)模型实现解密。实验证明，该系统不仅能重建高保真图像，还能有效抵抗无监督学习攻击，为光学加密领域树立了新的安全标杆。

关键技术方法包括：1) 基于空间光调制器(SLM)的OAM全息编码，将4bit量化的RGB通道像素按不同乱序规则排列；2) 30mW激光经偏振调节后通过30米MMF传输，利用光纤振动/温湿度变化引入物理噪声；3) ADDL神经网络架构，输入散斑图案可同步输出灰度值及对应颜色通道。

光学实验装置
搭建的系统包含激光扩束、偏振调节、SLM相位调制等模块。线偏振高斯光经扩束准直后，通过半波片调整至SLM调制方向，经分束器照射SLM产生OAM涡旋光束。该光束耦合入MMF后，输出散斑由CMOS相机采集。物理扰动通过环境噪声自然实现，无需额外干扰装置。

RGB与灰度信息解密
将彩色图像按RGB通道分离后，各通道像素按预设乱序规则排列。ADDL模型通过分析散斑图案，可准确还原4bit量化图像。关键创新在于利用OAM空间自由度区分颜色信息，使单次曝光即可传输三通道数据，避免了时分复用带来的同步难题。

讨论与结论
该研究首次实现了OAM空间自由度与MMF物理噪声的协同加密机制。MMF既是传输介质也是加密载体，其固有物理扰动特性转化为安全优势。系统对弯曲、温度变化等干扰具有鲁棒性，且散斑图案与原始图像的非线性关系有效抵抗机器学习分析。值得注意的是，将8bit图像降为4bit的处理既降低了OAM编码复杂度，又保持了足够的图像质量。

这项工作的科学价值体现在三方面：其一，开辟了利用光束空间维度携带颜色信息的新途径；其二，证明了物理层噪声可增强加密安全性；其三，为对抗日益智能化的密码分析提供了光学解决方案。未来，该技术有望应用于国防通信、医疗影像安全传输等领域，其"物理噪声即加密密钥"的设计理念更为光学安全系统提供了普适性框架。