投稿范圍：煤化工、鹽化工、生物化工、醫藥化工、石油化工、農用化工、化工環保、工業水處理、精細化工、日用化工、燃氣化工、橡膠與輪胎工業、化肥農藥、有機與無機、涂料與油墨、染料與顏料、助劑與添加劑、樹脂與塑料、膠粘劑、化工教育、化工設計、化工機械與裝備
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，常規的微納加工方法已無法完全滿足需要，激發了人們探索更高性價比、更強加工能力的非常規加工方法。中國科學院國家納米科學中心劉前團隊基于自主開發的新概念激光直寫設備，開發出多種非常規加工方法。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，在線發表在《自然-通訊》（Nature Communications）上。
當前，傳統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。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生的隨機分形金網絡結構作為PUF，開發出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防偽系統，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，可實現晶圓級PUF單元制作，體現了批量化、低成本（單個標簽成本不到1美分）的生產特點。為了應用到實際防偽場景，研究人員開發了一種基于深度學習算法的圖像PUF識別驗證系統，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（6.36 s）、高精度（0%假陽性）驗證，并提出了動態數據庫策略，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系統可初步滿足工業化需求，有望推動商業化的PUF防偽技術的發展與普及。相關技術已申請國家發明專利并已獲授權。
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。?
論文鏈接???
圖1. PUF的制作流程及表征
圖2. 深度學習識別驗證系統的建立與性能展示
