(资料图片仅供参考)

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）实现了可溯源、快速（6.36 s）、高精度（0%假阳性）验证，并提出了动态数据库策略，赋予深度学习模型极高的数据库扩容能力，理论上打破了庞大数据库的建立与低时间成本之间难以兼容的障碍。此外，这种PUF制作与微电子工艺流程高度兼容，有望与元器件同时集成并完成元件单元的真实性验证。PUF系统可初步满足工业化需求，有望推动商业化的PUF防伪技术的发展与普及。相关技术已申请国家发明专利并已获授权。

研究工作得到国家自然科学基金，国家重点研发计划“纳米科技”专项等的支持。该工作由国家纳米中心、北京航空航天大学和德国卡尔斯鲁厄理工学院合作完成。 

论文链接   

图1. PUF的制作流程及表征

图2.深度学习识别验证系统的建立与性能展示