基于轻量级卷积神经网络的光防伪标签的快速准确识别
Yuexing Han1,2, Shengqi Bao1, Bori Shi3
1School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China.
ACS applied materials & interfaces
|July 25, 2024
概括
这项研究引入了使用矿纳米晶膜的新型防伪标签. 这些独特的物理不可克隆功能 (PUF) 标签通过新的AI方法提供高安全性,低成本和快速识别.
科学领域:
- 材料科学 材料科学 材料科学
- 信息安全 信息安全
- 纳米技术 纳米技术
背景情况:
- 防伪对信息安全至关重要.
- 物理非克隆功能 (PUF) 标签利用固有的随机性来提高安全性.
- 现有的PUF技术在可扩展性和识别速度方面面临挑战.
研究的目的:
- 开发使用矿纳米晶膜的新型,高安全性防伪标签.
- 创建一种高通量方法,用于生成可控制的矿晶片.
- 引入先进的识别方法,以提高PUF标签的安全性.
主要方法:
- 开发了一种使用表面张力限制的高通量滴滴阵列生成技术.
- 使用矿纳米晶体颗粒随机分布构建的PUF纹理.
- 实施了一个部分卷积网络 (PaCoNet) 以供PUF认可.
主要成果:
- 创建了微尺度矿PUF标签 (<5.3 × 10−2 mm2) 具有光特性.
- 实现了低成本 (<3×10−4美元) 和高编码能力 (1.7×101956).
- 使用PaCoNet.Net,每张图像的识别时间为0.177秒,识别准确度高达99.65%.
结论:
- 基于矿纳米晶的PUF标签为多层防伪提供了一个有希望的解决方案.
- 开发的制造和识别方法显著提高了安全性和效率.
- 这些标签在防伪技术中具有广泛应用的巨大潜力.
