QUASAR: A Quantum-Classical Neural Network for SAR Satellite Physical-Layer Authentication

अंतरिक्ष की विशाल शांति में, एक नए प्रकार के संरक्षक का आकार ले रहा है, जो किसी उपग्रह के शब्दों को नहीं, बल्कि उसके हार्डवेयर की अनूठी, अनैच्छिक गूँज (hum) को सुनता है। पृथ्वी की कक्षा में घूम रहे उपग्रह तेजी से महत्वपूर्ण होते जा रहे हैं, जो आपदाओं की निगरानी करने, जलवायु परिवर्तन को ट्रैक करने और सैन्य अभियानों को निर्देशित करने के लिए ऐसी आँखों के रूपित कार्य कर रहे हैं जो कभी झपकती नहीं हैं। हालाँकि, ये मशीनें असुरक्षित हैं। जिस तरह एक अपराधी हस्ताक्षर की नकल कर सकता है या पासवर्ड चुरा सकता है, उसी तरह एक विरोधी संभावित रूप से ग्राउंड स्टेशन को एक फर्जी सिग्नल स्वीकार करने के लिए धोखा दे सकता है, जिससे गलत छवियां बनाई जा सकती हैं या वास्तविक छवियों को रोका जा सकता है। पारंपरिक सुरक्षा जटिल डिजिटल कोडों पर निर्भर करती है, लेकिन इन्हें क्रैक या चोरी किया जा सकता है। एक अधिक मौलिक दृष्टिकोण, जिसे 'फिजिकल-लेयर ऑथेंटिकेशन' (भौतिक-स्तर का प्रमाणीकरण) कहा जाता है, और गहराई से देखता है। यह इस तथ्य पर निर्भर करता है कि कोई भी दो इलेक्ट्रॉनिक उपकरण पूरी तरह से समान नहीं होते हैं। यहाँ तक कि एक ही असेंबली लाइन पर बने उपग्रहों में भी उनके सर्किट में सूक्ष्म, सूक्ष्मदर्शीय खामियां होती हैं जो उनके द्वारा भेजे जाने वाले रेडियो तरंगों पर एक विशिष्ट छाप छोड़ती हैं। यह छाप एक फिंगरप्रिंट की तरह है, जिसकी सटीक नकल करना असंभव है क्योंकि यह स्वयं मशीन की भौतिक वास्तविकता से उत्पन्न होती है।

चुनौती यह रही है कि अंतरिक्ष से इन फिंगरप्रिंट्स को पढ़ना अविश्वसनीय रूप से कठिन है, विशेष रूप से विस्तृत इमेजिंग के लिए उपयोग किए जाने वाले उच्च-आवृत्ति वाले रडार उपग्रहों के लिए। ये मशीनें इतनी उच्च आवृत्तियों पर काम करती हैं कि मानक रेडियो उपकरण उन्हें सीधे नहीं सुन सकते, और सिग्नल इतने जटिल होते हैं कि पुराने कंप्यूटर तरीके एक उपग्रह और दूसरे के बीच के सूक्ष्म अंतर को खोजने में संघर्ष करते हैं। शोधकर्ताओं ने अब इस समस्या को हल करने के लिए QUASAR नामक एक नई प्रणाली विकसित की है। यह एक हाइब्रिड इंटेलिजेंस है जो आधुनिक आर्टिफिशियल इंटेलिजेंस की पैटर्न-रिकग्निशन शक्ति को क्वांटम कंप्यूटिंग की अद्वितीय गणितीय शक्ति के साथ जोड़ती है। एक मानक कंप्यूटर को असंभव कार्य करने के लिए मजबूर करने के बजाय, यह प्रणाली एक विशेष क्वांटम सर्किट का उपयोग करती है ताकि सिग्नल के उन विशिष्ट, नन्हे गुणों को सुना जा सके जो एक उपग्रह की वास्तविक पहचान प्रकट करते हैं।

QUASAR के पीछे की टीम ने ICEYE नामक वाणिज्यिक रडार उपग्रहों के बेड़े पर ध्यान केंद्रित किया। ये मशीनें पृथ्वी की परिक्रमा करती हैं, नीचे की जमीन की स्पष्ट छवियां बनाने के लिए शक्तिशाली रडार पल्स भेजती हैं, चाहे बादल हों या अंधेरा। अपने नए सिस्टम का परीक्षण करने के लिए, शोधकर्ताओं ने एक ऐसा ग्राउंड स्टेशन बनाया जो इन उच्च-आवृत्ति संकेतों को पकड़ने में सक्षम है। उन्होंने आने वाली तरंगों की आवृत्ति को कम करने के लिए एक कस्टम सेटअप का उपयोग किया ताकि मानक सॉफ्टवेयर-डिफाइंड रेडियो उन्हें प्रोसेस कर सकें। बीस आठ दिनों की अवधि में, उन्होंने भारी मात्रा में कच्चा डेटा एकत्र किया, जिसमें तीस-सात अलग-अलग परिचालन उपग्रहों के सिग्नल शामिल थे। यह डेटासेट विशाल था, जो लगभग चार टेराबाइट सूचना का प्रतिनिधित्व करता था, जो बेड़े की प्रत्येक मशीन की अनूठी "आवाज़" को पकड़ने के एक महत्वपूर्ण प्रयास का प्रतीक है।

उनकी खोज का मूल तत्व यह है कि उन्होंने इस डेटा को कैसे संसाधित किया। उन्होंने कच्चे रेडियो तरंगों को स्पेक्ट्रोग्राम नामक दृश्य मानचित्रों में परिवर्तित किया, जो दिखाते हैं कि सिग्नल की ऊर्जा समय और आवृत्ति के साथ कैसे बदलती है। इन मानचित्रों को फिर एक न्यूरल नेटवर्क में फीड किया गया, जो पैटर्न पहचानने के लिए डिज़ाइन किया गया एक प्रकार का आर्टिफिशियल इंटेलिजेंस है। हालाँकि, शोधकर्ताओं को एहसास हुआ कि एक मानक कंप्यूटर नेटवर्क कुछ महत्वपूर्ण चीज़ मिस कर रहा था। रेडियो सिग्नल्स में स्ट्रेंथ (शक्ति) और फेज (चरण) दोनों होते हैं, एक टाइमिंग संबंध जो हार्डवेयर की खामियों की पहचान करने के लिए अत्यंत महत्वपूर्ण है। मानक तरीके अक्सर फेज की जानकारी को हटा देते हैं या उसके साथ ठीक से व्यवहार नहीं करते हैं। QUASAR इसे एक क्वांटम सर्किट का उपयोग करके हल करता है जो सिग्नल के फेज और स्ट्रेंथ को एक एकल, प्राकृतिक इकाई के रूप में मानता है, ठीक वैसे ही जैसे एक गोले पर बिंदु को दो कोणों द्वारा परिभाषित किया जाता है। यह सिस्टम को उस फिंगरप्रिंट को उस स्पष्टता के साथ देखने की अनुमति देता जो पारंपरिक तरीके हासिल नहीं कर सकते।

इस दृष्टिकोण के परिणाम आश्चर्यजनक थे। जब डेटा के एक छोटे हिस्से पर परीक्षण किया गया—सिर्फ दस प्रतिशत, जितना एक मानक सिस्टम को समान कार्य सीखने के लिए आवश्यक होता है—तो QUASAR ने सर्वश्रेष्ठ क्लासिकल कंप्यूटर मॉडल की सटीकता के बराबर प्रदर्शन किया। जब इसे उन क्लासिकल मॉडलों के समान मात्रा में डेटा दिया गया, तो QUASAR ने उन्हें काफी पीछे छोड़ दिया, और लगभग संतान प्रतिशत मामलों में उपग्रह की सही पहचान की। यह दक्षता महत्वपूर्ण है क्योंकि उपग्रहों से डेटा एकत्र करना धीमा और महंगा है; इसके लिए उपग्रह के ऊपर से गुजरने का इंतजार करना पड़ता है, जो दिन में केवल कुछ ही बार होता है। कम डेटा सीखने की आवश्यकता के कारण, QUSAER को बहुत तेज़ी से तैनात किया जा सकता था। इसके अलावा, सिस्टम धोखे के विरुद्ध भी मजबूत साबित हुआ। शोधकर्ताओं ने तीन अलग-अलग तरीकों का अनुकरण किया जिनसे एक हमलावर सिस्टम को मूर्ख बनाने की कोशिश कर सकता था: रिकॉर्ड किए गए सिग्नल को चलाकर, शून्य से एक फर्जी सिग्नल बनाकर, या लक्षित उपग्रह की नकल करने के लिए एक प्रतिद्वंद्वी उपग्रह का उपयोग करके। तीनों परिदृश्यों में, QUASAR ने फर्जी ट्रांसमिशन को सफलतापूर्वक खारिज कर दिया, रिकॉर्ड किए गए सिग्नल्स को लगभग हर बार पकड़ा और अन्य दो प्रकार के हमलों की उच्च विश्वसनीयता के साथ पहचान की।

यह समझने के लिए कि सिस्टम ने अपने निर्णय कैसे लिए, शोधकर्ताओं ने मशीन के "मस्तिष्क" के भीतर झांका। उन्होंने पाया कि नेटवर्क का क्वांटम हिस्सा केवल अनुमान नहीं लगा रहा था; बल्कि यह सिग्नल के विशिष्ट, क्षणिक क्षणों पर ध्यान केंद्रित कर रहा था, जो एक मिलीसेकंड से भी कम समय के लिए होते हैं, जहाँ हार्डवेयर की अनूठी खामियां सबसे अधिक दृश्यमान होती हैं। ये वे सटीक क्षण थे जब उपग्रह का रडार पल्स पहली बार चालू होता था, एक ऐसा समय जब इलेक्ट्रॉनिक्स उस विशिष्ट यूनिट के लिए अद्वितीय तरीके से व्यवहार करते हैं। सिस्टम ने विभिन्न उपग्रहों के सिग्नल्स को अलग-अलग समूहों में विभाजित करना भी सीखा, जिससे वास्तविक सिग्नल और किसी भी फर्जी सिग्नल के बीच एक स्पष्ट दूरी बन गई। यह अलगाव बहुत व्यापक और अधिक विश्वसनीय था जितना कि क्लासिकल-ओनली सिस्टम प्राप्त कर सकते थे, जिससे यह सिद्ध हुआ कि क्वांटम घटक वास्तविक मूल्य जोड़ रहा था न कि केवल वही दोहरा रहा था जो कंप्यूटर पहले से जानता था।

इस कार्य के निहितार्थ केवल एक प्रकार के उपग्रह के लिए बेहतर सुरक्षा से कहीं आगे तक फैले हुए हैं। यह प्रदर्शित करता है कि क्वांटम मशीन लर्निंग अंतरिक्ष में वास्तविक दुनिया की समस्याओं को हल कर सकती है, भले ही पूर्ण कार्यात्मक क्वांटम कंप्यूटर व्यापक रूप से उपलब्ध न हों। शोधकर्ताओं ने एक मानक कंप्यूटर पर सिस्टम के क्वांटम हिस्से का अनुकरण किया, जिससे पता चला कि गणितीय लाभ वास्तविक है और आज भी इसका लाभ उठाया जा सकता है। जैसे-जैसे उपग्रह नक्षत्र (constellations) बड़े और अधिक भीड़भाड़ वाले होते जा रहे हैं, कक्षा में मौजूद मशीन की पहचान को जल्दी और सटीक रूप से सत्यापित करने की क्षमता आवश्यक हो जाएगी। QUASAR एक पथ प्रदान करता है, जो भौतिकी के नियमों और क्वांटम यांत्रिकी की शक्ति का उपयोग करके यह सुनिश्चित करता है कि हमारी दुनिया को देख रही आँखें सत्य देख रही हैं।