Andrew Manly, AIPIA
Pesquisadores da Universidade Nacional de Cingapura (NUS) inventaram um novo método de antifalsificação chamado DeepKey. Desenvolvido em apenas oito meses, esta inovação de segurança usa tags de material bidimensional (2D) e software de autenticação habilitado para inteligência artificial (AI).
Em comparação com as tecnologias convencionais de antifalsificação, DeepKey trabalha mais rápido, atinge resultados altamente precisos e usa etiquetas de identificação duráveis que não são facilmente danificadas por condições ambientais como temperaturas extremas e umidade, diz a equipe de pesquisa.
Essa nova tecnologia de autenticação pode ser aplicada a diferentes produtos de alto valor, desde medicamentos, joias e eletrônicos. Por exemplo, DeepKey é adequado para etiquetar vacinas COVID-19 para permitir autenticação rápida e confiável, mesmo se as vacinas precisarem ser armazenadas em temperatura ultrafria de -70°C.
As etiquetas seguras de material 2D da equipe exibem padrões de Função Fisicamente Não Clonáveis (padrões PUF), que são gerados aleatoriamente amassando sistematicamente os filmes finos de material 2D. Os padrões complexos de materiais 2D com recursos de várias escalas podem então ser classificados e validados por um modelo de aprendizado profundo bem treinado, permitindo autenticação rápida e confiável (100% precisa).
As tecnologias antifalsificação atuais que usam padrões PUF normalmente enfrentam vários gargalos, incluindo fabricação complicada, processo de leitura especializado e tedioso, tempo de autenticação longo, estabilidade ambiental insuficiente, além de ser caro para fazer, afirma a NUS. Os pesquisadores afirmam que não precisam de nenhum equipamento especial para criar as tags seguras. Eles podem ser feitos simplesmente com um balão, uma garrafa de dispersão de material 2D e um pincel.
“Com esta pesquisa, resolvemos vários gargalos que outras técnicas encontram”, disse o membro da equipe do Prof. Wang Xiaonan. “Nossas etiquetas de PUF de material 2D são ambientalmente estáveis, fáceis de ler, simples e baratas de fazer. Em particular, a adoção do aprendizado profundo acelerou a autenticação geral de forma significativa, levando nossa invenção à aplicação prática”.
“Com a nossa nova tecnologia, estamos rompendo com esse trade-off duradouro entre a alta capacidade de codificação e o longo tempo de autenticação usando tags PUF de material 2D classificáveis e algoritmos de aprendizado profundo”, acrescentou Wang.
Os pesquisadores publicaram seus resultados na revista científica Matter em 2 de dezembro de 2020 e solicitaram uma patente. Este estudo foi realizado em colaboração com pesquisadores da Universidade de Tecnologia de Anhui e da Universidade Tecnológica de Nanyang.
IoP Journal é media partner da AIPIA