防伪技术,即使在极端条件下工作

新加坡国立大学(NUS)的研究人员已经发明了一种新方法,称为DeepKey防伪。发达国家在短短八个月,这个安全创新使用二维(2 d)材料标签和人工智能(AI)启用身份验证软件。

相比传统的防伪技术,DeepKey工作更快,达到高度准确的结果,并使用耐用的识别标记,不容易受到极端温度等环境条件,化学品溢出、紫外线照射、和水分。这种新的身份验证技术可以应用到不同的高价值产品,包括药物、珠宝、和电子产品。例如,DeepKey适用于标签COVID-19疫苗,使快速和可靠的身份验证、疫苗等一些需要存储在-70°C的超冷的温度。

由助理陈Po-Yen教授和助理教授王Xiaonan的新加坡国立大学化学和生物分子工程学院工程团队的2 d-material安全标签展示身体Unclonable功能模式(PUF模式),由系统随机生成的压皱2 d-material薄膜。多尺度特性的复杂2 d-material模式可以由一个训练有素的深度学习分类和验证模型,使可靠(100%准确)身份验证在不到3.5分钟。

目前防伪技术通常使用PUF模式已经面临诸多瓶颈,包括复杂的制造、专业化和乏味的读出过程,验证时间长,环境稳定,不足是昂贵的。

“有了这个研究,我们有解决一些其他技术遇到的瓶颈,“王助理教授说。“我们2 d-material PUF标签环境稳定,容易阅读,简单和便宜的。特别是,采用深度学习显著加速整个身份验证,推动我们的发明进一步实际应用。”

研究人员他们的研究结果发表在科学杂志2020年12月2日。本研究进行了合作研究人员从安徽理工大学和南洋理工大学。

一个稳定、简单,可伸缩的过程来创建PUF标记

值得注意的是,研究人员不需要任何特殊的设备来创建安全的标签。他们可以简单地用一个气球,一瓶2 d-material色散,刷。

“首先,我们充气气球,刷在其表面粘性2 d-material墨水。后用电吹风在一夜之间,我们缩小气球。由于界面机械2 d-material和乳胶基质之间的不匹配,生成大面积,皱巴巴的PUF模式在收缩。这些PUF模式可以减少所需的大小之后,通常,数以百计的他们可以一次,“京林博士说,该研究小组的成员。

接下来,研究者PUF的快速图像标签与电子显微镜,然后同步到他们的创新软件的深度学习“分类和验证”的过程。“整个过程耗时不到3.5分钟,其中大部分花在等待从电子显微镜读出。身份验证本身是非常快的,不到20秒,”静博士解释道。

快速验证使用AI深度学习算法

所有基于PUF密钥技术超高编码能力,因为大量的不同的模式,理论上可以产生。然而,高的编码能力也会导致长时间验证,作为“搜索和比较”模式是一个巨大的数据库中进行验证。这之间的权衡高编码能力和长时间验证通常限制此类PUF-based防伪标签的实际应用。

“与我们的新技术,我们打破这种长期高编码之间的平衡能力和长时间验证通过使用可分类的2 d-material PUF标签和深度学习算法,”王助理教授说。

首先,研究人员使用不同的二维材料与人工智能制造PUF标签可识别特征。其次,他们训练的深度学习模型进行两步验证机制。“我们使用了深度学习模型pre-categorise PUF模式形成小团体,所以搜索和比较算法是在一个小得多的数据库,进行缩短总体认证时间,”王助理教授解释道。

目前,唯一可用的技术类似的新加坡国立大学创新,是聚合物wrinkle-based标签。皱纹聚合物标记验证基于表面模式就像小说2 d-material标签。然而,他们的身份验证目前需要一个接一个特征提取和匹配,这是缓慢而显示只有80%的可靠性。新加坡国立大学团队的身份验证是由深度学习,激发,因此更快,验证精度达到近100%。

此外,相比,湿化学制备聚合物wrinkle-based标签,其中包括使用有害的有机化合物和紫外线,新加坡国立大学研究人员的制造技术明显更快和更安全。

下一个步骤

新加坡国立大学团队提出他们的发明专利申请,现在计划推动这项技术更进一步。“我们正在寻找更好、更快、更健壮的读出和身份验证方法为我们PUF标签,”王助理教授说。

研究团队已经开始进行其他读出技术进一步缩短处理时间。”此外,PUF自然编码信息的标签可以进一步获得继续区块链,这样整个供应链可以透明地跟踪和质量控制,”王助理教授补充说。

参考
京L et al。多代起皱的2 d材料Anticounterfeiting模式与深度学习认证。事,卷3,问题6,p2160 - 2180, 2020年12月2日。DOI: https://doi.org/10.1016 / j.matt.2020.10.005

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。