Industrielle Fertigung
Industrielles Internet der Dinge | Industrielle Materialien | Gerätewartung und Reparatur | Industrielle Programmierung |
home  MfgRobots >> Industrielle Fertigung >  >> Industrial Internet of Things >> Sensor

MITs winziger, manipulationssicherer ID-Tag authentifiziert alles mittels Terahertzwellen

Ein kryptografischer Tag, entwickelt am MIT, nutzt Terahertzwellen zur Authentifizierung von Gegenständen durch Erkennung des einzigartigen Musters mikroskopischer Metallpartikel, die in den Kleber gemischt sind, der den Tag an der Gegenstandsoberfläche befestigt.

Hintergrund

Vor einigen Jahren erfanden MIT-Forscher einen kryptografischen ID-Tag, der um ein Vielfaches kleiner und deutlich günstiger ist als herkömmliche RFID-Tags, die oft zur Echtheitsverifikation auf Produkten angebracht werden.

Dieser winzige Tag bietet verbesserte Sicherheit gegenüber RFIDs, nutzt Terahertzwellen (kleiner, höhere Frequenzen als Radiowellen). Teilte aber eine große Sicherheitslücke mit RFIDs: Fälscher konnte Tag von echtem Artikel abziehen und auf Fälschung kleben – Authentifizierungssystem würde es nicht bemerken.

Lösung: Antimanipulations-Tag

Forscher überwanden diese Lücke durch Terahertzwellen: Antimanipulations-ID-Tag, der winzig, günstig, sicher bleibt.

Mikroskopische Metallpartikel in Kleber gemischt, der Tag am Gegenstand befestigt. Terahertzwellen detektieren einzigartiges Muster, das Partikel auf Gegenstandsoberfläche bilden. Ähnlich Fingerabdruck: zufälliges Klebemuster authentifiziert Gegenstand, erklärt Eunseok Lee (EECS Grad Student, Lead Author).

„Metallpartikel sind im Grunde Spiegel für Terahertzwellen. Streue ich Spiegelstücke auf Oberfläche und beleuchte sie, erhalte ich je nach Orientierung, Größe, Lage der Spiegel anderes Reflexionsmuster. Ziehst du Chip ab und klebst neu, zerstörst du das Muster“, so Ruonan Han (Associate Professor EECS, Leiter Terahertz Integrated Electronics Group, Research Laboratory of Electronics).

Implementierung & KI-Unterstützung

Forscher produzierten lichtgetriebenen Antimanipulations-Tag (~4 mm²). Demonstrierten ML-Modell, das Manipulation erkennt durch Identifikation ähnlicher Klebemuster-Fingerabdrücke mit >99 % Genauigkeit.

Wegen geringer Kosten implementierbar in massiver Lieferkette. Winzige Größe ermöglicht Anbringung an Gegenstände, die für traditionelle RFIDs zu klein sind (z. B. bestimmte Medizinprodukte).

Kooperation zwischen Hans Gruppe und Energy-Efficient Circuits and Systems Group von Anantha P. Chandrakasan (MIT Chief Innovation & Strategy Officer, Dean School of Engineering, Vannevar Bush Professor EECS). Co-Autoren: EECS Grad Students Xibi Chen, Maitryi Ashok, Jaeyeon Won.

Inspiration: Autowaschanlage

Teilweise inspiriert von Hans Lieblings-Autowaschanlage: RFID-Tag an Windschutzscheibe für Mitgliedschaftsauthentifizierung. Zur Sicherheit aus brüchigem Papier – sollte zerstört werden, wenn unehrlicher Kunde abzieht und auf andere Windschutzscheibe klebt. Aber nicht zuverlässig: Jemand könnte Kleber lösen und fragilen Tag sicher entfernen.

Bessere Sicherheit: Nicht Tag authentifizieren, sondern Gegenstand selbst. Ziel: Kleber an Schnittstelle Tag-Gegenstandsoberfläche.

Technische Details

Antimanipulations-Tag enthält Serie winziger Schlitze für Terahertzwellen-Passage durch Tag zu mikroskopischen Metallpartikeln im Kleber.

Nach Passieren Tag und Treffen Gegenstandsoberfläche werden Terahertzwellen reflektiert/backscattered zu Empfänger für Authentifizierung. Reflexionsmuster hängt von Verteilung der reflektierenden Metallpartikel ab.

Mehrere Slots auf Chip → Wellen treffen verschiedene Punkte der Gegenstandsoberfläche → mehr Information über zufällige Partikelverteilung.

„Diese Responses sind unmöglich zu duplizieren, solange Kleberschnittstelle durch Fälscher zerstört wird“, so Han.

Vendor nimmt Initialmessung nach Aufkleben, speichert Daten in Cloud für spätere Verifikation.

Herausforderung & KI-Lösung

Testphase: Präzise Messungen zum Vergleich zweier Klebemuster sehr schwierig/zeitaufwendig. Lee kontaktierte Freund im MIT CSAIL → gemeinsam ML-Modell trainiert, das Klebemuster vergleicht und Similarität mit >99 % Genauigkeit berechnet.

„Nachteil: begrenzte Datensamples für Demo. Könnten Neural Network verbessern, wenn viele Tags in Lieferkette deployed → mehr Datensamples“, so Lee.

Limitierungen

Forscher planen, Limitierungen in zukünftiger Arbeit anzugehen und hoffen, andere Forscher zu optimistischerem Blick auf Terahertz-Potenzial zu inspirieren, trotz technischer Herausforderungen.

„Wir wollen zeigen: Terahertz-Spektrum-Anwendung geht weit über Breitband-Wireless hinaus. Hier: ID, Sicherheit, Authentifizierung. Viele Möglichkeiten da draußen“, so Han.

Sensor

  1. Halo Spekulum gewinnt 2021 Create the Future Design Contest in Medical Kategorie
  2. Hydra3D ToF Sensor liefert schnelle, akkurate 3D Detection für Industrial & Outdoor Applikationen
  3. Akustischer Stoff detektiert Mikrometeoriten und sammelt Weltraumstaub
  4. Next-Gen-Automobil-Halbleiter: Der Schlüssel zu Level-5-Fahrerlos-Autos
  5. Revolutionäre selbstversorgende Knieimplantate: Verlängerung der Lebensdauer und Leistungssteigerung
  6. Titanoxid-Technik steigert energieeffizientes Machine-Learning-Memory
  7. Nicht-invasives EEG-integriertes VR-Headset für Echtzeit-Gehirnmonitoring
  8. QC-Messdaten nahtlos in Fertigungssysteme integrieren für höhere OEE
  9. Inspiration für Roboterdesign: Lektionen aus der Fortbewegung von Seesternen
  10. 20 Jahre bahnbrechende Wissenschaft auf der Internationalen Raumstation (ISS)