بزرگنمايي:

آریا جوان - مهر / یک روش جدید برای تشخیص تقلب ارائه شده که به سازندگان و کاربران جهانی تراشه کمک کند تا از خطرات ناشی از افزایش تراشه‌های تقلبی بازار فرار کنند.
بازار 75 میلیارد دلاری تراشه‌های تقلبی، ایمنی و امنیت بخش‌های متعددی را که به فناوری‌های نیمه‌هادی وابسته هستند، از جمله هوانوردی، ارتباطات، محاسبات کوانتومی، هوش مصنوعی و امور مالی به خطر می‌اندازد. یک روش جدیدی برای تشخیص تقلب ارائه شده که به سازندگان و کاربران جهانی تراشه کمک کند تا از خطرات ناشی از افزایش تراشه‌های تقلبی بازار فرار کنند.
این روش تشخیص تقلب نوری در دانشگاه پوردو توسعه یافته و در آن از یادگیری عمیق برای شناسایی دستکاری در تراشه‌های نیمه‌هادی استفاده می‌کند. این فناوری که RAPTOR نام دارد، برای پردازش پاسخ‌های نوری دستکاری شده استفاده می‌کند. در این روش، دستکاری‌های غیرمجاز مانند ساییدگی، عملیات حرارتی و پارگی بخش‌های مختلف قطعه به سادگی شناسایی می‌شوند.
به گفته پروفسور الکساندر کیلدیشف، که رهبری این تحقیق را بر عهده داشت، تاکنون چندین روش برای تایید اصالت نیمه‌هادی و شناسایی تراشه‌های تقلبی ایجاد شده است. او گفت: «این روش‌ها تا حد زیادی از برچسب‌های امنیتی فیزیکی در عملکرد یا بسته‌بندی تراشه استفاده می‌کنند. مرکز بسیاری از این روش‌ها، توابع فیزیکی غیرقابل کلون (PUF) هستند، که سیستم‌های فیزیکی منحصربه‌فردی هستند که به دلیل محدودیت‌های اقتصادی یا ویژگی‌های فیزیکی ذاتی، شبیه‌سازی آن برای متقلبان دشوار است.
PUF های نوری، که از پاسخ‌های نوری متمایز محصول بهره‌ می‌برند، به ویژه برای شناسایی تراشه‌های تقلبی امیدوارکننده هستند. با این حال، دستیابی به مقیاس‌پذیری و حفظ تبعیض دقیق بین دستکاری متقلبان و تخریب طبیعی چالش‌های مهمی را ایجاد می‌کند.
رویکرد مبتنی بر یادگیری عمیق که تیم دانشگاه پوردو توسه داده، دستکاری متخاصم را در یک PUF نوری بر اساس آرایه‌های الگودار تصادفی از نانوذرات طلا، شناسایی می‌کند. محققان آرایه‌ها را با استفاده از میکروسکوپ میدان تاریک ایجاد می‌کنند و موقعیت و شعاع الگوهای ذرات منفرد را نشاندار می‌کنند.
سپس نانوذرات تحت عملیاتی قرار می‌گیرند که نمونه‌ای از تخریب طبیعی یا دستکاری متخاصم است. پس از قرار دادن نانوذرات در معرض این نوع دستکاری‌ها، محققان موقعیت‌ها و شعاع نانوذرات را مجددا اندازه‌گیری کرده و آن‌ها را با هم مقایسه می‌کنند.
یوهنگ چن، محقق این پروژه، گفت: «نانوذرات طلا به طور تصادفی و یکنواخت بر روی بستر تراشه توزیع می‌شوند. نانوذرات طلا را می‌توان به راحتی با استفاده از میکروسکوپ میدان تاریک اندازه‌گیری کرد. این یک روش به راحتی در دسترس است که می‌تواند به طور یکپارچه در هر مرحله از خط لوله ساخت نیمه‌هادی ادغام شود.»
محققان با این روش موقعیت و شعاع نانوذرات طلا را در الگوهای تصادفی از 1000 تصویر میدان تاریک تنها در 27 میلی‌ثانیه استخراج کردند و صحت هر الگو را با استفاده از RAPTOR در 80 میلی‌ثانیه با دقت 97٫6 درصد، بررسی کردند.