close
DeepKey 基於物理不可克隆功能（PUF）模式，這是一種無法復制的獨特物理標識，目前已經部署到微處理器等部分領域中。不過，NUS 的研究人員表示制造 PUF 標簽工藝比較復雜，而且它們會受到環境不穩定和認證時間長的影響。他們相信找到瞭一種更好的解決方案，從一個簡單的氣球開始。
該團隊成員 Jing Lin 博士解釋道：“首先，我們會給氣球充氣，然後在表面刷上粘性的 2D 材料墨水。一夜的風幹，我們將氣球放氣。由於2D材料和乳膠基材之間的界面機械不匹配，在收縮過程中會產生大面積的皺褶PUF圖案。這些PUF圖案可以被切割成所需的尺寸後，通常情況下，一次可以制作數百張標記”。
然後再使用電子顯微鏡對這些圖案進行成像，再由深度學習軟件進行分析，在幾分鐘內對獨特的圖案進行分類和驗證。在團隊看來，這標志著一個重大的進步，相比於如今基於PUF的技術，這些圖案需要通過搜索一個龐大的數據庫來驗證，這限制瞭它們的使用。
Jing 表示：“整個過程隻需要不到 3.5 分鐘，其中大部分時間都在等待電子顯微鏡讀取時間上。認證本身的速度非常快，不到20秒”。
這歸結於模式上的明顯特征，深度學習軟件在經過訓練後，能夠更容易識別。"我們利用深度學習模型將PUF模式預先歸類為子組，因此搜索和比較算法是在一個更小的數據庫中進行的，這就縮短瞭整體的認證時間。"Jing解釋道。
目前，該團隊正在繼續工作，希望進一步縮短認證時間。
該研究發表在《Matter》雜志上，而下面的視頻則是對該技術的概述。
全站熱搜
留言列表
