近日，北航beat365英国官网网站微納物理與應用研究室謝勇副教授、陳子瑜教授與國家納米科學中心劉前研究員和德國卡爾斯魯厄理工學院王彥柯博士合作，在物理不可複制功能（PUF）防僞系統方面取得重要進展，相關研究成果于2023年4月18日以“Random fractal-enabled physical unclonable functions with dynamic AI authentication”為題在線發表于《自然-通訊》。博士生孫甯飛為第一作者，謝勇和劉前為通訊作者，北航為第一單位。
随着當今市場化的快速發展和人們消費水平的不斷提高，假冒僞劣商品問題日漸突出，對社會經濟以及人們生命财産安全造成嚴重影響。通過提高防僞标識的安全等級和僞造難度可以有效遏制假冒商品的傳播，傳統防僞标簽因其确定性的構築模式在自身安全性方面存在較大漏洞。PUF标識符因其内禀随機屬性（intrinsic randomness），将其用作商品的特定“指紋”密鑰，可從根本上遏制标簽被僞造的可能。盡管當前基于PUF的标識符已在諸如随機褶皺、随機SERS信号、無規液滴圖案等技術方案中被實現，然而，報道結果基本停留在概念論證階段，同時存在低穩定性、不易讀取、不易定位等技術和實用難題。如何滿足規模化、低成本、高穩定、高效驗證的實用化需求，制備出高安全性的PUF防僞标簽并開發相适應的可靠識别系統仍存在挑戰。
本項工作中，謝勇等人開發了一種由随機分形網絡标識符和深度學習識别驗證模型組成的新型PUF防僞系統，利用金屬薄膜高溫脫滲原理獲得随機分形金網絡結構作為PUF防僞标識符的基本單元，通過調控薄膜厚度可實現标識符編碼容量的靈活可配置（編碼值可達10348），同時繼承了惰性金屬極高的環境穩定性和耐用性。經過表面粗糙化處理後的金網絡結構，可進一步獲得與物理特征信息相疊加的表面等離子增強拉曼光譜信息，作為标識符的二級安全“指紋”密鑰，增強了設計PUF标識符的信息存儲能力和防克隆能力。
圖1 PUF的制作流程、光學表征及類“凱西樹”分形結構模型
借助高通量的圖案化光刻（镂空模闆）、薄膜沉積以及一步熱退火技術，可實現晶圓級PUF單元制作，體現了批量化、低成本（單個标簽成本不到1美分）的制作特點。為了應用到實際防僞場景，作者進一步開發了一種基于深度學習算法的圖像PUF識别驗證系統，借助ResNet50分類神經網絡模型對37000個PUF标識符（10348）實現了可溯源、快速（6.36 s）、高精度（0%假陽性）的驗證，并提出了一種動态數據庫策略，賦予深度學習模型極高的數據庫擴容能力，理論上打破了龐大數據庫的建立與低訓練時間成本難以兼容的技術瓶頸。
圖2深度學習識别驗證系統的建立及擴容、解碼性能展示
此外，研究成果所介紹的PUF制作流程與微電子工藝流程高度兼容，有望與精密元器件直接集成并完成其真僞驗證，從而将适用場景從高貨值商品拓寬至集成電路領域。本項工作從分形理論的物理學原理出發，與材料和計算機領域多學科交叉，完成從理論設計、材料制備、算法開發到場景應用的全鍊條研發，所得PUF系統具有産品轉化應用潛力，可為下一代PUF防僞技術的發展和普及助力。本項工作的相關技術已申請中國發明專利并授權（ZL202210476096.3）。
該研究工作得到了國家自然科學基金面上項目、北京市自然科學基金面上項目和北航“雙一流”建設經費等的支持。
文章鍊接及信息：https://doi.org/10.1038/s41467-023-37588-5.Nat. Commun.14, 2185 (2023).
