Accélérateurs photoniques sécurisés avec couches de sécurité matérielle intégrées // secure photonic accelerators with embedded hardware security layers

Topic description

L'intelligence artificielle est de plus en plus déployée en périphérie du réseau, dans les systèmes autonomes, la surveillance industrielle, les dispositifs médicaux et les plateformes de capteurs distribués. Ces applications nécessitent un calcul à faible latence et à haute efficacité énergétique, mais aussi une sécurité matérielle renforcée, car les dispositifs embarqués sont souvent physiquement accessibles et exposés à des risques d'altération, de clonage, de fuite de données, d'extraction de modèles et de reconfiguration malveillante. Les accélérateurs photoniques constituent une voie prometteuse pour dépasser certaines limites énergétiques et de bande passante des architectures électroniques classiques, en exploitant le parallélisme optique, le multiplexage en longueur d'onde et la propagation analogique rapide des signaux. Cependant, la plupart des architectures photoniques actuelles considèrent la sécurité comme une couche numérique externe plutôt que comme une propriété intrinsèque du substrat de calcul.
Ce projet de doctorat propose d'étudier des accélérateurs photoniques sécurisés par la physique, dans lesquels le calcul optique et la confiance matérielle sont co-conçus. L'idée centrale est d'exploiter les propriétés physiques mêmes qui rendent les circuits photoniques intégrés attractifs pour l'accélération afin d'implémenter des primitives de sécurité intégrées. Celles-ci peuvent inclure des fonctions physiques non clonables photoniques, des empreintes spécifiques à chaque puce, la génération de clés sécurisées, l'authentification de dispositifs, la détection d'altération et la protection des états de configuration.
Le projet commencera par définir des architectures d'accélérateurs photoniques adaptées à la multiplication matrice-vecteur et à l'inférence par réseaux neuronaux, telles que les maillages d'interféromètres de Mach-Zehnder. Des couches de sécurité seront ensuite intégrées, soit sous forme de blocs PUF photoniques dédiés, soit comme fonctions partagées au sein même du tissu accélérateur. Ensuite, le travail évaluera comment des chemins optiques sélectionnés peuvent générer des réponses optiques fiables et uniques pour l'authentification et la configuration sécurisée.
Enfin, le projet développera un modèle de menace et une méthodologie de validation pour les accélérateurs photoniques sécurisés. Des attaques telles que le clonage de dispositifs, le sondage par canaux auxiliaires, la manipulation thermique, la reprogrammation malveillante et la modélisation des réponses défi-réponse seront considérées. La validation par simulation et expérimentation quantifiera à la fois les performances de l'accélérateur et les métriques de sécurité, notamment la précision d'inférence, les pertes optiques, l'entropie, l'unicité, la fiabilité, le taux d'erreur binaire et la robustesse à la dérive et au vieillissement. Le résultat attendu est une méthodologie de conception et une architecture de preuve de concept pour des accélérateurs photoniques capables de fournir non seulement un calcul efficace pour l'IA embarquée, mais aussi une sécurité matérielle native.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Artificial intelligence is increasingly being deployed at the network edge, in autonomous systems, industrial monitoring, medical devices, and distributed sensor platforms. These applications require low-latency and highly energy-efficient computation, but also enhanced hardware security, since embedded devices are often physically accessible and exposed to risks of tampering, cloning, data leakage, model extraction, and malicious reconfiguration. Photonic accelerators offer a promising route to overcome some of the energy and bandwidth limitations of conventional electronic architectures by exploiting optical parallelism, wavelength-division multiplexing, and fast analog signal propagation. However, most current photonic architectures consider security as an external digital layer rather than as an intrinsic property of the computing substrate.
This PhD project proposes to study physics-secured photonic accelerators, in which optical computing and hardware trust are co-designed. The central idea is to exploit the same physical properties that make integrated photonic circuits attractive for acceleration in order to implement embedded security primitives. These may include photonic physical unclonable functions, chip-specific fingerprints, secure key generation, device authentication, tamper detection, and protection of configuration states.
The project will begin by defining photonic accelerator architectures suitable for matrix-vector multiplication and neural-network inference, such as Mach-Zehnder interferometer meshes. Security layers will then be integrated either as dedicated photonic PUF blocks or as shared functions within the accelerator fabric itself. The work will then evaluate how selected optical paths can generate reliable and unique optical responses for authentication and secure configuration.
Finally, the project will develop a threat model and a validation methodology for secure photonic accelerators. Attacks such as device cloning, side-channel probing, thermal manipulation, malicious reprogramming, and challenge-response modeling will be considered. Validation through simulation and experimentation will quantify both accelerator performance and security metrics, including inference accuracy, optical loss, entropy, uniqueness, reliability, bit error rate, and robustness to drift and aging. The expected outcome is a design methodology and proof-of-concept architecture for photonic accelerators capable of providing not only efficient computation for embedded AI, but also native hardware security.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/11/
WEB :

Funding category

Public funding alone (i.e. government, region, European, international organization research grant)

Funding further details

Concours pour un contrat doctoral