投稿范围：煤化(hua)(hua)工(gong)(gong)(gong)、盐化(hua)(hua)工(gong)(gong)(gong)、生物化(hua)(hua)工(gong)(gong)(gong)、医药化(hua)(hua)工(gong)(gong)(gong)、石油(you)化(hua)(hua)工(gong)(gong)(gong)、农用化(hua)(hua)工(gong)(gong)(gong)、化(hua)(hua)工(gong)(gong)(gong)环保、工(gong)(gong)(gong)业水(shui)处理、精细化(hua)(hua)工(gong)(gong)(gong)、日用化(hua)(hua)工(gong)(gong)(gong)、燃气(qi)化(hua)(hua)工(gong)(gong)(gong)、橡胶(jiao)与轮胎(tai)工(gong)(gong)(gong)业、化(hua)(hua)肥农药、有机与无(wu)机、涂料(liao)与油(you)墨(mo)、染料(liao)与颜料(liao)、助(zhu)剂(ji)与添加剂(ji)、树脂(zhi)与塑料(liao)、胶(jiao)粘剂(ji)、化(hua)(hua)工(gong)(gong)(gong)教(jiao)育、化(hua)(hua)工(gong)(gong)(gong)设(she)计、化(hua)(hua)工(gong)(gong)(gong)机械(xie)与装备
微纳加工是纳米研究的两大基础之一，备受重视。然而，随着各种新型器件和结构的出现，常规的微纳加工方法已无法完全满足需要，激发了人们探索更高性价比、更强加工能力的非常规加工方法。中国科学院国家纳米科学中心刘前团队基于自主开发的新概念激光直写设备，开发出多种非常规加工方法。近日，该团队在物理不可复制功能（PUF）防伪标签研究中取得新进展。相关研究成果以Random fractal-enabled physical unclonable functions with dynamic AI authentication为题，在线发表在《自然-通讯》（Nature Communications）上。
当前，传统防伪标签因(yin)其(qi)确(que)定(ding)性的构筑模式(shi)在自身安全性上面(mian)临挑战。PUF标(biao)识本征的唯(wei)一性和不可(ke)(ke)预测性可(ke)(ke)作为(wei)商品(pin)的“指(zhi)纹”秘钥，从根(gen)本上遏制标(biao)签自身被伪造的可(ke)(ke)能。为(wei)此(ci)，科(ke)学家利(li)用金属薄膜去(qu)湿(shi)原理产生(sheng)的随机分形(xing)金网络结(jie)构作为(wei)PUF，开发出一种由随(sui)机分形网络标(biao)识符和深度学习识别验证模型组成的(de)新型PUF防伪系统，并展示该PUF的多层(ceng)级防(fang)克(ke)隆能力。
借助高通量的图案化光刻（镂空模板）、薄膜沉积及一步热退火技术，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）的生产特点。为了应用到实际防伪场景，研究人员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(shi)现了(le)(le)可溯(su)源、快速（6.36 s）、高(gao)(gao)精度(du)（0%假阳性）验(yan)(yan)证，并(bing)提出了(le)(le)动(dong)态(tai)数(shu)据库策略，赋予(yu)深度(du)学(xue)习模型极高(gao)(gao)的数(shu)据库扩(kuo)容(rong)能力，理论上打破了(le)(le)庞大数(shu)据库的建立与(yu)低(di)时(shi)间(jian)成(cheng)本之间(jian)难以兼(jian)容(rong)的障(zhang)碍。此(ci)外，这种PUF制作与(yu)微电子(zi)工艺流程(cheng)高(gao)(gao)度(du)兼(jian)容(rong)，有望与(yu)元器(qi)件同时(shi)集(ji)成(cheng)并(bing)完成(cheng)元件单元的真实(shi)性验(yan)(yan)证。PUF系统可初步满足工业化(hua)需(xu)求(qiu)，有望推动(dong)商业化(hua)的PUF防伪(wei)技术(shu)的发(fa)展与(yu)普及。相关技术(shu)已申请国家发(fa)明专利并(bing)已获授权。
研究(jiu)工(gong)作得到国家自然科学(xue)基(ji)金，国家重(zhong)点研发计划“纳米科技”专项等的支持(chi)。该工(gong)作由国家纳米中心、北京航(hang)空航(hang)天大学(xue)和德(de)国卡尔(er)斯(si)鲁厄理工(gong)学(xue)院合作完成。
图1. PUF的制作流(liu)程及表征(zheng)
图2. 深度学习识别验证系统的建立与性能展(zhan)示