近日，北航物理學院微納物理與應用研究室謝勇副教授、陳子瑜教授和國家納米科學中心劉前研究員、德國卡爾斯魯厄理工學院王彥柯博士合作，在物理不可複製功能(PUF)防偽係統方麵取得重要進展，相關研究成果於2023年4月18日以“Random fractal-enabled physical unclonable functions with dynamic AI authentication”為題在線發表於《自然-通訊》。博士生孫寧飛為第一作者，謝勇和劉前為通訊作者，北航為第一單位。

　　當今時代，市場化快速發展、人們消費水平不斷提高，假冒偽劣商品的存在對社會經濟以及人們生命財產安全造成不良影響。通過提高防偽標識的安全等級和偽造難度可以有效遏製假冒商品的傳播，傳統防偽標簽因其確定性的構築模式在自身安全性方麵存在較大漏洞。PUF標識符因其內稟隨機屬性(intrinsic randomness)，將其用作商品的特定“指紋”密鑰，可從根本上遏製標簽被偽造的可能。盡管當前基於PUF的標識符已在諸如隨機褶皺、隨機SERS信號、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，製備出高安全性的PUF防偽標簽並開發相適應的可靠識別係統仍存在挑戰。

　　本項工作中，謝勇等人開發了一種由隨機分形網絡標識符和深度學習識別驗證模型組成的新型PUF防偽係統，利用金屬薄膜高溫脫滲原理獲得隨機分形金網絡結構作為PUF防偽標識符的基本單元，通過調控薄膜厚度可實現標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。經過表麵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麵等離子增強拉曼光譜信息，作為標識符的二級安全“指紋”密鑰，增強了設計PUF標識符的信息存儲能力和防克隆能力。

PUF的製作流程、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(鏤空模板)、薄膜沉積以及一步熱退火技術，可實現晶圓級PUF單元製作，體現了批量化、低成本(單個標簽成本不到1美分)的製作特點。為了應用到實際防偽場景，作者進一步開發了一種基於深度學習算法的圖像PUF識別驗證係統，借助ResNet50分類神經網絡模型對37000個PUF標識符(10348)實現了可溯源、快速(6.36s)、高精度(0%假陽性)的驗證，並提出了一種動態數據庫策略，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。

深度學習識別驗證係統的建立及擴容、解碼性能展示

　　此外，研究成果所介紹的PUF製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並完成其真偽驗證，從而將適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、材料製備、算法開發到場景應用的全鏈條研發，所得PUF係統具有產品轉化應用潛力，可為下一代PUF防偽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並授權(ZL202210476096.3)。

　　該研究工作得到了國家自然科學基金麵上項目、北京市自然科學基金麵上項目和北航雙一流建設經費等的支持。

　　文章鏈接及信息：

　　https://doi.org/10.1038/s41467-023-37588-5.Nat. Commun. 14, 2185 (2023).