大家好！今天来了解一项关于防伪技术的研究——《Artificial fingerprints engraved through block-copolymers as nanoscale physical unclonable functions for authentication and identification》发表于《nature communications》。在当下，伪造现象愈发猖獗，给社会带来了巨大损失。传统防伪技术已难以满足需求，而物理不可克隆功能（PUF）成为了新的研究热点。这篇文章介绍了一种通过嵌段共聚物雕刻人工指纹作为纳米级PUF的创新技术，它在身份验证和识别方面展现出独特优势，下面我们就深入了解一下。
*本文只做阅读笔记分享*
一、研究背景
（一）伪造问题的严重性
在当今社会，伪造不仅带来了巨大的经济损失，还对安全和健康系统构成了严重威胁。例如，从商品制造到专业技术领域，都深受其害。
（二）现有防伪技术的局限性
基于标签的防伪技术：像图形条形码、水印和全息图等基于标签的防伪技术，由于其是通过确定性过程实现的，复杂度低且可预测性高，容易被伪造者伪造和克隆。
软件认证系统：基于软件的认证/识别系统容易受到电磁干扰和网络攻击，存在内在的脆弱性。
（三）物理不可克隆功能（PUF）的兴起
为了克服现有防伪技术的局限性，基于物理不可克隆功能（PUF）的硬件加密系统受到了越来越多的关注。PUF是一种物理单向函数，它能够根据物理系统/设备的固有物理特性生成密钥，其密钥的唯一性依赖于物理系统的不可控变异性和高随机性。
二、纳米级人工指纹的制备
（一）制备过程
分子自组装：基于嵌段共聚物（BCP）在目标基底上进行分子自组装。例如，在对硅基底进行处理时，BCP分子在热波动下发生相分离，形成类似指纹的层状图案。
选择性去除：选择性地去除BCP中的一相，形成无序的纳米光刻掩模。
图案转移：通过选择性反应离子蚀刻（RIE）或湿化学蚀刻，将图案转移到目标基底上。例如，成功地将图案转移到了钻石、硅、石英和二氧化硅等目标基底上。
（二）优势
难以移除：这种人工指纹直接雕刻在目标基底上，与以往贴在基底上的纳米标签不同，除非基底被机械刮擦（但会留下痕迹），否则无法移除。
稳定性好：PUF的鲁棒性和环境稳定性取决于雕刻材料的物理/化学/机械性能。例如，适当选择基底材料可使PUF在高温、低温、接触化学物质、机械作用、辐射等恶劣条件下工作。
兼容性强：与CMOS技术兼容，可将其集成到常规电子设备中。例如，可以直接在芯片（或芯片封装）上实现指纹，用于评估芯片的合法性。
三、指纹图案形态提取
（一）指纹增强算法
为了从输入图像中准确地提取指纹图案，采用了一种基于估计局部脊线方向和频率的指纹增强算法。该算法能够自适应地提高脊线和谷线结构的清晰度，减少噪声和伪缺陷，对不同质量的图像都有很好的效果。
（二）形态参数分析
通过该算法，可以获取BCP的形态参数，如缺陷定位、线周期和相关长度等。例如，通过对不同二值化技术的比较，发现指纹增强算法能够降低缺陷密度，提高相关长度，从而得到更真实的指纹图案。
四、二进制编码矩阵生成
（一）编码方法
将人工指纹视为基于随机视觉特征的PUF，根据纳米图案的局部特征将其转换为二进制编码矩阵。具体方法是，根据像素位置是否存在细节特征，将矩阵中的像素定义为1-bit或0-bit。
（二）编码特性
随机性和唯一性：编码矩阵的随机性和唯一性与像素大小有关。当像素大小约等于BCP图案的相关长度（238×238 nm2）时，能够实现接近理想值的位均匀性、单位熵和分数汉明距离（HD）分布，具有高随机性。
编码容量：编码容量与纳米图案的形态有关，可以通过增加图像面积或调整像素大小来提高编码容量。
五、基于计算机视觉的认证/识别策略
（一）匹配算法
利用基于计算机视觉概念的匹配算法，如SIFT算法和FLANN匹配器，来增强认证/识别过程的鲁棒性。通过计算测试图像和数据库图像之间的分数HD来量化重叠程度，并确定一个阈值（0.45）来判断图像是否来自同一纳米图案。
（二）稳定性验证
对100个PUF设备进行测试，结果表明，PUF在正常环境条件下放置6个月以及在-196°C至200°C的热处理后，仍然能够正确地进行认证/识别，具有长期可靠的操作和高稳定性。
六、研究讨论
（一）PUF特性与编码容量
人工指纹PUF结合了确定性和随机性的特征，可以通过探索多种形态特征，如缺陷类型、线边缘粗糙度、线宽粗糙度、3D形态等，进一步提高编码容量密度，增强防伪能力。这些特征可以作为多级安全检查中的二级认证。
（二）检测设备与应用场景
虽然检测PUF需要使用电子显微镜或原子力显微镜（AFM），但设备的专业性也增强了安全性。图像采集可以通过多种仪器实现，AFM和SEM可以互补地检测纳米图案的真实性。这种PUF可以用于防伪应用，也可以集成到常规标签中，或者与光学/电学读出结合，符合商业应用的安全要求，具有大规模应用的潜力。
七、一起来做做题吧
1、以下哪种不是现有防伪技术的主要局限性？
A. 基于标签的防伪技术复杂度低
B. 软件认证系统易受电磁干扰
C. 硬件加密系统成本过高
D. 基于标签的防伪技术可预测性高
2、人工指纹的制备过程不包括以下哪个步骤？
A. 在目标基底上进行 BCP 分子自组装
B. 选择性去除 BCP 中的两相
C. 将图案转移到目标基底
D. 通过热波动使 BCP 发生相分离形成图案
3、指纹增强算法的优势不包括以下哪项？
A. 只能处理高质量图像
B. 自适应提高脊线和谷线结构清晰度
C. 减少噪声和伪缺陷
D. 对不同质量图像均有效
4、当编码矩阵的像素大小约为多少时，能实现较好的随机性和唯一性？
A. 100×100 nm2
B. 238×238 nm2
C. 300×300 nm2
D. 500×500 nm2
5、用于增强认证 / 识别过程鲁棒性的匹配算法不包括以下哪种？
A. SIFT 算法
B. FLANN 匹配器
C. Otsu 算法
D. SURF 算法（测试结果与 SIFT 类似）
参考文献：
Murataj, I., et al. Artificial fingerprints engraved through block-copolymers as nanoscale physical unclonable functions for authentication and identification. Nat Commun 15, 10576 (2024).
