(资料图片仅供参考)

近日，北航物理学院微纳物理与应用研究室谢勇副教授、陈子瑜教授和国家纳米科学中心刘前研究员、德国卡尔斯鲁厄理工学院王彦柯博士合作，在物理不可复制功能(PUF)防伪系统方面取得重要进展，相关研究成果于2023年4月18日以“Random fractal-enabled physical unclonable functions with dynamic AI authentication”为题在线发表于《自然-通讯》。博士生孙宁飞为第一作者，谢勇和刘前为通讯作者，北航为第一单位。

当今时代，市场化快速发展、人们消费水平不断提高，假冒伪劣商品的存在对社会经济以及人们生命财产安全造成不良影响。通过提高防伪标识的安全等级和伪造难度可以有效遏制假冒商品的传播，传统防伪标签因其确定性的构筑模式在自身安全性方面存在较大漏洞。PUF标识符因其内禀随机属性(intrinsic randomness)，将其用作商品的特定“指纹”密钥，可从根本上遏制标签被伪造的可能。尽管当前基于PUF的标识符已在诸如随机褶皱、随机SERS信号、无规液滴图案等技术方案中被实现，然而，报道结果基本停留在概念论证阶段，同时存在低稳定性、不易读取、不易定位等技术和实用难题。如何满足规模化、低成本、高稳定、高效验证的实用化需求，制备出高安全性的PUF防伪标签并开发相适应的可靠识别系统仍存在挑战。

本项工作中，谢勇等人开发了一种由随机分形网络标识符和深度学习识别验证模型组成的新型PUF防伪系统，利用金属薄膜高温脱渗原理获得随机分形金网络结构作为PUF防伪标识符的基本单元，通过调控薄膜厚度可实现标识符编码容量的灵活可配置(编码值可达10348)，同时继承了惰性金属极高的环境稳定性和耐用性。经过表面粗糙化处理后的金网络结构，可进一步获得与物理特征信息相叠加的表面等离子增强拉曼光谱信息，作为标识符的二级安全“指纹”密钥，增强了设计PUF标识符的信息存储能力和防克隆能力。

PUF的制作流程、光学表征及类“凯西树”分形结构模型

借助高通量的图案化光刻(镂空模板)、薄膜沉积以及一步热退火技术，可实现晶圆级PUF单元制作，体现了批量化、低成本(单个标签成本不到1美分)的制作特点。为了应用到实际防伪场景，作者进一步开发了一种基于深度学习算法的图像PUF识别验证系统，借助ResNet50分类神经网络模型对37000个PUF标识符(10348)实现了可溯源、快速(6.36s)、高精度(0%假阳性)的验证，并提出了一种动态数据库策略，赋予深度学习模型极高的数据库扩容能力，理论上打破了庞大数据库的建立与低训练时间成本难以兼容的技术瓶颈。

深度学习识别验证系统的建立及扩容、解码性能展示

此外，研究成果所介绍的PUF制作流程与微电子工艺流程高度兼容，有望与精密元器件直接集成并完成其真伪验证，从而将适用场景从高货值商品拓宽至集成电路领域。本项工作从分形理论的物理学原理出发，与材料和计算机领域多学科交叉，完成从理论设计、材料制备、算法开发到场景应用的全链条研发，所得PUF系统具有产品转化应用潜力，可为下一代PUF防伪技术的发展和普及助力。本项工作的相关技术已申请中国发明专利并授权(ZL202210476096.3)。

该研究工作得到了国家自然科学基金面上项目、北京市自然科学基金面上项目和北航双一流建设经费等的支持。

文章链接及信息：

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