顆粒在線訊：微納加工是納米研究的兩大基礎之一，備受重視。然而，隨著各種新型器件和結構的出現(xiàn)，常規(guī)的微納加工方法已無法完全滿足需要，激發(fā)了人們探索更高性價比、更強加工能力的非常規(guī)加工方法。中國科學院國家納米科學中心劉前團隊基于自主開發(fā)的新概念激光直寫設備，開發(fā)出多種非常規(guī)加工方法。近日，該團隊在物理不可復制功能（PUF）防偽標簽研究中取得新進展。相關研究成果以Random fractal-enabled physical unclonable functions with dynamic AI authentication為題，在線發(fā)表在《自然-通訊》（Nature Communications）上。

當前，傳統(tǒng)防偽標簽因其確定性的構筑模式在自身安全性上面臨挑戰(zhàn)。PUF標識本征的唯一性和不可預測性可作為商品的“指紋”秘鑰，從根本上遏制標簽自身被偽造的可能。為此，科學家利用金屬薄膜去濕原理產(chǎn)生的隨機分形金網(wǎng)絡結構作為PUF，開發(fā)出一種由隨機分形網(wǎng)絡標識符和深度學習識別驗證模型組成的新型PUF防偽系統(tǒng)，并展示該PUF的多層級防克隆能力。

借助高通量的圖案化光刻（鏤空模板）、薄膜沉積及一步熱退火技術，可實現(xiàn)晶圓級PUF單元制作，體現(xiàn)了批量化、低成本（單個標簽成本不到1美分）的生產(chǎn)特點。為了應用到實際防偽場景，研究人員開發(fā)了一種基于深度學習算法的圖像PUF識別驗證系統(tǒng)，借助ResNet50分類神經(jīng)網(wǎng)絡模型對37000個PUF標識符（10348）實現(xiàn)了可溯源、快速（6.36 s）、高精度（0%假陽性）驗證，并提出了動態(tài)數(shù)據(jù)庫策略，賦予深度學習模型極高的數(shù)據(jù)庫擴容能力，理論上打破了龐大數(shù)據(jù)庫的建立與低時間成本之間難以兼容的障礙。此外，這種PUF制作與微電子工藝流程高度兼容，有望與元器件同時集成并完成元件單元的真實性驗證。PUF系統(tǒng)可初步滿足工業(yè)化需求，有望推動商業(yè)化的PUF防偽技術的發(fā)展與普及。相關技術已申請國家發(fā)明專利并已獲授權。

研究工作得到國家自然科學基金，國家重點研發(fā)計劃“納米科技”專項等的支持。該工作由國家納米中心、北京航空航天大學和德國卡爾斯魯厄理工學院合作完成。?

圖1. PUF的制作流程及表征

圖2. 深度學習識別驗證系統(tǒng)的建立與性能展示