在阅读此文之前，麻烦您点击一下“关注”，既方便您进行讨论和分享，又能给您带来不一样的参与感，感谢您的支持！

文 |史谈c

编辑 |史谈c

前言

物理不可克隆功能（PUF）由于其固有的独特性而成为防伪过程的基础。传统图形/光谱PUF在材料中的自局限性往往使得在实践中难以同时具有高代码灵活性和高环境稳定性。在这项研究中，我们提出了一种通用的分形引导薄膜退火策略，以实现基于Au网络的随机PUF，该PUF可以在复杂性上按需设计，从而实现标签的内在唯一性和稳定性。

构建基于深度学习的动态认证系统，具有可扩展的数据库，用于识别和追踪PUF，实现0%“误报”的高效可靠认证。基于支持粗糙化的等离子体网络平台和拉曼的化学编码在概念上得到了证明，显示出提高安全性的潜力。

一、PUF 是指通过随机和非确定性过程生成

物理不可克隆函数，即物理单向函数已成为高保真标签和数字存储的有前途的标识符。PUF 是指通过随机和非确定性过程生成的具有固有、唯一和类似指纹特征的物理对象固有的随机性确保了PUF的足够复杂性和高编码能力，使它们几乎不可能被复制。

迄今为止已经开发了各种类型的PUF，包括由随机分布的微/纳米结构组成的直接可视化图形PUF以及随机排列的微/纳米颗粒借助用于读数的分析工具的光谱PUF表面增强拉曼散射不规则纹理矩阵基于线性散射的散斑图和混沌非线性硅光子器件。

具有多种疾病和固有缺陷的复杂电子PUF或随机分布的碳纳米管基场效应晶体管，具有固有熵源的氧化物或卤化物忆阻器在这些PUF中，由于通过简单的光学显微镜直接成像，主要关注表面信息的图形编码标签在识别方面更加方便和稳健。

特别是PUF标签的复杂性水平只能通过记录不同的图案区域或改变物理特征大小来主动调节随机皱褶系统通过调节褶皱不稳定性，在代码复杂度方面具有灵活的可控性。

它具有可配置的编码容量，可以充分适应按需加密策略。这些基于柔性材料的标签的表面纹理在实践中往往具有相对较低的物理鲁棒性，例如弹性聚合物在高温、潮湿/水或氧气下的物理老化。

具有高环境稳定性和灵活性的理想图形PUF载体仍有待开发，随机分形结构广泛存在于自然界的各种不规则形态中，具有高度随机的地形和局部几何与整体几何之间的统计自相似性分形理论还用于阐明不同薄膜体系的复杂表面形貌演化。

分形引导的渗流网络/膜簇渗流网络/簇是指通过本地连接对象的连续“链”进行全球连接的系统，通过薄膜沉积的金簇和膜退火诱导的金岛金膜的热退火可以诱导从膜破裂到自发收缩为渗透阈值以下随机分支结构的顺序表面形貌演变。

分支渗透结构具有典型的分形特征，如内在随机性和不可预测性，这意味着它们有资格作为可模仿的PUF标签。更重要的是，黄金稳定的物理化学性质确保了标签在极端条件下的耐用性。

随机分形结构广泛存在于自然界的各种不规则形态中，具有高度随机的地形和局部几何与整体几何之间的统计自相似性分形理论还用于阐明不同薄膜体系的复杂表面形貌演化，例如分形引导的渗流网络膜簇渗流网簇是指通过本地连接对象的连续。

进行全球连接的系统通过薄膜沉积的金簇和膜退火诱导的金岛金膜的热退火可以诱导从膜破裂到自发收缩为渗透阈值以下随机分支结构的顺序表面形貌演变。

分支渗透结构具有典型的分形特征，如内在随机性和不可预测性，这意味着它们有资格作为可模仿的PUF标签。黄金稳定的物理化学性质确保了标签在极端条件下的耐用性。

具有多个响应的标签可以具有更高的安全级别将化学与PUF相结合是通过混合具有多种可检测化学特性的各种类型的标记剂例如刺激相应分子来实现这一目标的理想策略等离子体纳米结构具有稳定的局部表面等离子体共振。

可以在光激发下产生巨大的电磁场增强并放大化学信号，可以作为进一步提高安全水平的有效载体如随机排列的拉曼探针嵌入等离子体纳米颗粒然而，不可预测的信号提取位点和粒子聚集对高效认证提出了挑战。

等离子体纳米颗粒也可以掺入图形编码的宿主中，随机折叠的或去湿性聚合物体系赋予聚合物宿主正交化学光谱信息。纳米颗粒通常与物体具有间接的化学辅助键合，导致在外部条件下的稳定性降低。物体表面的颗粒分布不均匀也会导致信息丢失这会影响读数的鲁棒性。

因此需要独立于化学合成纳米颗粒的固有且均匀的等离子体平台。由此可见构建高效可靠的认证系统来识别安全密钥对于防伪至关重要。自动图像识别适用于解码 PUF 密钥。

传统的图像处理算法基于模式识别和比较分析除了相对繁琐的匹配时间外，它们的性能还很大程度上取决于图像方向和质量深度学习作为一种人工智能技术，已被广泛用于通过经过训练的神经网络验证安全密钥，具有高认证效率和准确性。

以及不同条件下的高读出容忍度，PUF系统需要记录所有PUF密钥。但是使用大型PUF密钥数据库训练深度学习模型非常耗时。因此在后端开发现有的基于深度学习的PUF认证系统时，需要不断改进。

本研究基于随机分形网络和AI认证，开发了一种高效的防伪系统，用于真伪鉴定。结合激光光刻技术，通过金膜的一步退火，可以将多个网络标签同时集成在基板上。这些Au网络可以通过改变薄膜厚度在波长和振幅方面灵活配置，这使我们能够根据需要设计结构复杂性。

有效编码能力为实现，通过记录更大的模式面积和更密集的网络特征可以提高容量值。Au网络的表面在纳米尺度上粗糙，可以在光激发下产生增强的电磁“热点”。基于SERS的化学编码的概念验证表明了基于Au的PUF在多级加密中的可行性。

最后提出一种方便和可靠的深度学习认证系统来识别和追踪PUF标签。我们还提出了一种动态密钥数据库策略，以简化深度学习模型繁琐的训练过程，该模型在管理更大的PUF密钥数据库方面具有很大的潜力。

符合固有唯一性、代码可重构性、多级安全性、批量生产和环境稳定性要求的综合PUF标签，以及高效可靠的AI认证系统，将为下一代防伪应用铺平广阔道路。

随机分形引导PUF的制备和表征

硅硫氧化物2首先用一层光刻胶旋涂基板，然后将圆形薄膜作为基本单元激光写入在图案区域显影后，然后通过磁控溅射在基板上沉积一层Au薄膜，然后进行光刻胶剥离程序。

接下来对圆形区域中的Au膜进行退火，以获得随机形状Au网络。最后将一层光学透明的薄膜旋涂在标签上作为保护层。退火诱导的随机Au网络标签作为PUF的光学显微照片。的暗场显微照片，显示结构剖面的视觉对比度更强。

凯莱树状分形结构分析。随着发红程度的加深，分形阶数逐渐增加。不同的分形是从二值化网络模式中提取的。到3的相应数学模型也作为比较呈现。

由于金膜与底层载体之间的热膨胀失配导致应变不稳定性，形成随机分布的空隙然后，不同方向的空隙边缘通过边缘曲率诱导的张力梯度随机退缩到渗流阈值以下的平衡状态，直到它们依次停止在分岔处。

然后形成不规则和复杂的网状结构涉及多个具有不同相关长度和典型分形特征的随机分支渗流簇。由于薄膜的局部异质性，也存在一些近乎球化的金颗粒。X射线衍射图揭示了结晶度从Au膜的多晶结构到Au网络的近似单晶结构的演变，最终趋向于成为球形Au颗粒。

单个 PUF 标签由不同的分形对象组成，几个迭代的分岔组成一个分形。每次迭代时，都会向终端分支添加两个新分支。分支的延伸方向和长度是随机变化的，但在不同分岔下表现出统计特征相似性。

分叉具有类似的准“Y形”特征。这种分形引导的去渗透过程确保了不可能复制随机网络结构，使这些“指纹”免受攻击。即使薄膜厚度相关的退火温度和相应的退火时间可以确保具有相同生产参数的PUF标签的高可靠性再现性的衡量标准。

类似于弹性皱纹系统这些随机刚性网络结构也可以通过改变膜厚和相应的退火参数，在振幅和波长方面灵活配置。薄膜与基板之间界面相互作用引起的热波动可以解释原始金膜的自发破裂导致薄膜变形的表面感应扰动振荡可以用临界波长定量。

其中是薄膜的厚度，σ是薄膜的温度依赖性表面张力，A是薄膜在特定载体上的常数。跨度小于临界波长的薄膜碎片趋于稳定。根据该物理模型，随着厚度的增加，临界波长变长即破裂的金膜碎片可以具有更大的尺寸以保持热稳定状态。

所以可以从较厚的Au膜收缩波长较宽的稀疏网络，这与的实验结果一致。网络模式的典型3D地形图像和相应的横截面轮廓表示相对均匀的网络波长和振幅。网络的高度信息也可以编码到PUF中，并通过结构高度表征进行解码。

显示了随着薄膜厚度的增加，网络的振幅和波长的增加，这些参数可能会随着更广泛的变化范围而扩展。

可配置的网络拓扑

a–d具有不同薄膜厚度从30到90nm的随机 Au 网络的光学显微照片。e3nm 厚的金膜和沿直径的 f 横截面轮廓的隔离 PUF 标签的典型 70D 形貌。

g不同金膜厚度的网络幅值和波长，均呈随膜厚增加而逐渐增大的趋势。误差线表示独立数据的标准偏差，对应于网络大小的微小波动。h 具有各种几何形状的PUF图案以进行分类。除了图案复杂度的视觉对比外，分形维数还广泛用于定量表征分形薄膜结构的复杂性在PUF模式中，分形维数增加。

薄膜厚度从1nm 时的52.90降低到1nm 时的75.30。可以通过调节薄膜厚度来按需设计网络标签的复杂性。本研究采用四种典型厚度来展示代码复杂度的可配置性，理论上厚度可以进一步细分，根据不同应用的网络波长对安全级别例如，低、中或高级别进行系统分类。PUF标签的大小也可以灵活调节，以控制安全级别。

还可以通过确定性生产模式生成各种几何形状的随机网络。激光直接书写可以满足形状设计的无限灵活性，如正方形、三角形、五边形和五角形。

它可以另外用于分类标记种类繁多的商品或设计定制商标，证明了基于网络的PUF标签在内部物理特征和外部几何配置中的高可控性，使我们能够设计安全级别并根据需要对随机生成的防伪标签进行分类。

笔者观点

我们开发了一种有效的防伪系统，包括基于随机分形网络的PUF和基于深度学习的认证策略。通过改变薄膜厚度可以灵活地调节Au网络标签的复杂性，从而克服了一般PUF标记剂中高代码可配置性和相对较低的稳定性之间的平衡。

参考文献

1、Arppe, R. & Sørensen, T. J. Physical unclonable functions generated through chemical methods for anti-counterfeiting. Nat. Rev. Chem. 1, 0031 (2017).

2、Aldhous, P. Counterfeit pharmaceuticals: murder by medicine. Nature 434, 132136 (2005).

3、Kim, J. J., Bong, K. W., Reategui, E., Irimia, D. & Doyle, P. S. Porous microwells for geometry-selective, large-scale microparticle arrays. Nat. Mater. 16, 139–146 (2017).