新加坡国立大学（NUS）的研究人员发明了一种新的防伪方法，称为DeepKey。此安全创新使用二维（2-D）材料标签和支持人工智能（AI）的身份验证软件。

与传统的防伪技术相比，DeepKey的工作速度更快，获得的准确性更高，并且使用了耐用的识别标签，这些标签不易受到极端温度，化学药品泄漏，紫外线照射和湿气等环境条件的破坏。这项新的身份验证技术可以应用于药品，珠宝和电子产品等各种高价值产品。例如，DeepKey适用于标记COVID-19疫苗以实现快速可靠的身份验证，因为其中一些疫苗需要在–70°C的超冷温度下存储。

由国大工程学院化学与生物分子工程学系的陈宝颜副教授和王晓南副教授领导的团队的二维材料安全标签在物理上具有不可克隆的功能模式（PUF模式），这些模式是随机生成的，通过系统地折皱二维材料薄膜。然后，可以通过训练有素的深度学习模型对具有多尺度特征的复杂二维材料图案进行分类和验证，从而在不到3.5分钟的时间内实现可靠（准确度为100％）的身份验证。

当前使用PUF图案的防伪技术通常面临多个问题，包括复杂的制造，单一的读出过程，较长的认证时间，不足的环境稳定性以及制造成本高。

Wang助理教授说：“通过这项研究，我们解决了其他技术遇到的几个问题。我们的2D材料PUF标签在环境方面稳定，易于阅读，简单且制造成本低。特别是，深度学习的采用大大加快了整体认证的速度，使我们的发明更进一步迈向了实际应用。”

创建PUF标签的稳定，简单和可扩展的过程

值得注意的是，研究人员不需要任何特殊设备即可创建安全标签。它们可以简单地由气球，一瓶二维材料分散液和刷子制成。

“首先，我们给球囊充气并用粘性的2-D材料墨水刷过它的表面。空气干燥一整夜后，我们使球囊放气。由于2-D材料与乳胶基材之间的界面机械不匹配，因此， “在收缩过程中，会产生皱缩的PUF图案。这些PUF图案可以在以后切成所需的尺寸，通常一次可以制作成数百个。”研究团队成员Jing Lin博士说。

接下来，研究人员用电子显微镜快速拍摄PUF标签的图像，然后将其同步到他们的创新软件中，以进行深度学习的“分类和验证”过程。Jing博士解释说：“整个过程不到3.5分钟，其中大部分时间都在等待电子显微镜读取。验证本身非常快，不到20秒。”

使用AI深度学习算法进行快速身份验证

由于理论上可以产生大量不同的模式，因此所有基于PUF密钥的技术都具有超高的编码能力。但是，由于必须在大型数据库中进行“搜索和比较”模式验证，因此高编码容量还会导致较长的身份验证时间。高编码能力和长认证时间之间的这种折衷通常限制了这种基于PUF的防伪标签的实际应用。

“通过我们的新技术，我们通过使用可分类的二维材料PUF标签和深度学习算法，打破了高编码能力和长认证时间之间的长期权衡，”王教授说。

首先，研究人员使用了各种二维材料来制作具有AI可识别特征的PUF标签。其次，他们训练了深度学习模型来执行两步式身份验证机制。王副教授解释说：“我们使用深度学习模型将PUF模式预先分类为子组，因此搜索和比较算法是在一个较小的数据库中进行的，这缩短了整体认证时间。”

当前，与这种NUS创新类似的唯一可用技术是基于聚合物的标签。就像新颖的2D材料标签一样，基于表面图案对皱纹的聚合物标签进行身份验证。但是，它们的身份验证目前需要一对一的特征提取和匹配，这很慢并且仅显示80％的可靠性。NUS团队的身份验证通过深度学习得到增强，因此速度更快，并且达到了近100％的验证精度。

此外，与湿式化学方法制备的基于聚合物的标签相比，这种方法涉及使用有害的有机化学物质和紫外线，相比之下，国大研究人员的制造技术明显更快，更安全。

下一步

NUS团队已为其发明申请了专利，现在正计划将这项技术进一步推进。Wang助理教授说：“我们正在为我们的PUF标签寻求更好，更快，更可靠的读取和认证方法。”

该小组已经开始对其他读出技术进行研究，以进一步缩短处理时间。“此外，通过保存在区块链中，可以进一步保护通过PUF标签进行的这种自然编码的信息，从而可以透明地跟踪整个供应链和质量控制，”王教授说。