خبرگزاری زنان ایران

WOMEN NEWS AGENCY

امروز: پنجشنبه، 1 آذر 1403

چند رسانه ای
فیلم عکس اینفوگرافی کاریکاتور صدا
استان ها
تهران بزرگ اصفهان آذربایجان شرقی آذربایجان غربی اردبیل البرز ایلام بوشهر تهران چهارمحال و بختیاری خراسان جنوبی خراسان شمالی خراسان رضوی خوزستان زنجان سمنان سیستان و بلوچستان فارس قزوین قم کردستان کرمان کرمانشاه کهگیلویه و بویر احمد گلستان گیلان لرستان مازندران هرمزگان همدان یزد مرکزی
سبک زندگی
مهارتهای زندگی کارآفرینی و تولید ملی خانه و خانه داری مد و زیبایی آشپزی و تغذیه فناوری اطلاعات
سیاسی
امام (ره) و رهبری زنان و سیاست سیاست داخلی بین الملل جبهه مقاومت
اجتماعی
زن و خانواده حجاب و عفاف حقوق و قضایی بهداشت و سلامت طبیعت و گردشگری تشکل ها اخبار روز ورزش بانوان محیط زیست آسیب های اجتماعی کودک و نوجوان
فرهنگی
ادبیات و نشر هنر و رسانه حماسه و مقاومت دین و اندیشه مناسبت ها الگوی سوم
صفحه اصلی

تراشه‌های تقلبی با یک ابزار نانویی قابل شناسایی می‌شوند

بازار ۷۵ 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 را به خطر می‌اندازد. یک روش جدید برای تشخیص تقلب ارائه شده است که به سازندگان و کاربران جهانی تراشه کمک کند تا از خطرات ناشی از افزایش تراشه‌های تقلبی بازار فرار کنند.

نسخه چاپی

1403/09/01 - 11:24

تاریخ و ساعت خبر:

210316

کد خبر:

به گزارش خبرگزاری زنان ایران - 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، به‌ویژه 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 توسعه 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.
به نقل از ستاد نانو، 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 ۱۰۰۰ تصویر میدان تاریک تنها در ۲۷ میلی‌ثانیه استخراج کردند و صحت هر الگو را با استفاده از RAPTOR در ۸۰ میلی‌ثانیه با دقت ۹۷٫۶ درصد بررسی کردند.
ایسنا
انتهای پیام/ن

لینک کوتاه: http://zanannews.ir/210316

بازگشت به ابتدای صفحه