RAPTOR檢測系統的示意圖
研究人員結合了人工智能和光子技術，開發了一種新方法來檢測假冒芯片。這里所展示的RAPTOR系統使用了一種注意力機制，用于優先處理在篡改前后樣本之間的納米顆粒相關性，然后將其輸入到一個基于殘差和注意力的深度卷積分類器中。(圖片來源: Blake等人，doi 10.1117/1.AP.6.5.056002)

半導體行業是一個經濟巨頭，但它也面臨著不少挑戰。除了新半導體芯片的短缺外，假冒芯片的過剩問題也日益嚴重。這些仿制品的蔓延對依賴計算機芯片的眾多行業，包括航空、金融、通信、人工智能和量子技術等，構成了真正的威脅。

現在，美國普渡大學的研究人員結合了人工智能（AI）和光子技術，開發出了一種檢測假冒芯片的穩健新方法。該方法有望減少在全球5000億美元的半導體行業內由于假冒芯片帶來的不必要監控、芯片故障和盜竊的風險，從而遏制假冒芯片市場，該市場估計價值750億美元。

檢測假冒半導體芯片的主要方法依賴于將安全標簽“烘焙”到芯片或其包裝中。這些標簽通過物理不可克隆功能等技術起作用，這些技術使用金屬納米材料陣列等介質。這些結構可以被設計成以特定模式強烈散射光，這種模式可以被檢測并用作標記芯片的“指紋”。

問題在于，這些安全結構并非防篡改。它們可能會自然降解——例如，當溫度過高時。如果它們被印刷在包裝上，也可能會被意外或故意擦掉。

嵌入金納米顆粒
普渡大學的研究人員開發了一種基于識別嵌入芯片或芯片包裝中的納米顆粒陣列散射光模式變化的替代光學防偽技術。他們的這種方法稱為篡改響應的殘差注意力處理（RAPTOR），依賴于分析陣列自然降解或被篡改前后散射的光。

為了使該技術有效，由電氣與計算機工程師亞歷山大·基爾迪舍夫（Alexander Kildishev）領導的團隊在一批半導體芯片的包裝中嵌入了金納米顆粒。然后，該團隊在包裝上隨機選擇幾個地方拍攝了多個暗場顯微鏡圖像，以記錄納米顆粒散射模式。這使得即使樣本對光透明、光吸收對比度極低的情況下，仍然能夠生成高對比度的圖像。然后，團隊將這些測量數據存儲以備后續認證。

“如果有人試圖更換芯片，他們不僅需要嵌入金納米顆粒，還需要將它們全部放置在原始位置，”基爾迪舍夫解釋道。

人工智能的角色
為了防止由自然磨損破壞納米顆粒或惡意行為者接近以正確方式替換納米顆粒導致的誤報，該團隊訓練了一種AI模型以區分自然降解和惡意篡改?；鶢柕仙岱蚋嬖V《物理世界》，這是最大的挑戰。“它[模型]還必須識別可能的對抗性納米顆粒填充，以掩蓋篡改嘗試，”他說。

普渡大學的研究人員在《先進光子學》雜志上寫道，RAPTOR比當前最先進的假冒檢測方法（稱為Hausdorff、Procrustes和平均Hausdorff度量）分別高出40.6%、37.3%和6.4%。分析過程只需27毫秒，它可以在80毫秒內以接近98%的準確率驗證圖案的真實性。

基爾迪舍夫說：“我們開展這項研究是因為我們看到了改善芯片認證方法的需求，并利用我們在AI和納米技術方面的專業知識來實現這一目標。”

普渡大學的研究人員希望其他研究小組能夠關注將AI和光子技術相結合在半導體行業的可能性。他們表示，這將有助于推進基于深度學習的防偽方法。

展望未來，基爾迪舍夫和他的同事計劃改進他們的納米顆粒嵌入工藝，并進一步簡化認證步驟?！拔覀兿Ｍ杆賹⑽覀兊姆椒ㄞD化為工業解決方案，”基爾迪舍夫表示。