< h1級"pgc-h-arrow right-arrow"資料軌道"1">本文來自微信公衆号：X-MOLNews</h1>
原标題：使用隐形墨水和人工智能的紙質資訊記錄與安全保護
作者：李康，哈爾濱工業大學（深圳）;徐傑，哈爾濱工業大學;趙偉偉，哈爾濱工業大學
作者：袁雲煥、邵、毛忠、王浩然、張晨、魏軍、李康、徐傑、趙偉
我們生活在一個資訊時代，資訊可以通過多種方式傳播，包括電視、廣播、網際網路和印刷材料。盡管電子媒體的重要性與日俱增，但紙張在資訊傳播和存儲中仍然發揮着至關重要的作用。然而，随着時代的發展，紙質資訊面臨着嚴峻的安全挑戰。資訊的披露可能導緻嚴重的經濟和社會問題。是以，有必要制定一種有效的政策來加密/解密紙上的資訊。目前，最常見的方法是使用具有獨特光學特性的墨水在紙上書寫或列印資訊。僅當發生輻射、化學處理或加熱等外部刺激時，才會顯示此資訊。然而，這種方法完全依賴于材料本身的性質，不那麼複雜，更可預測。一旦墨水的性質暴露出來，資訊很容易被破解，對商業和軍事應用構成重大風險。盡管研究人員已經使用氟化酶标記來增強資訊的安全性，但加密的複雜性和不可預測性需要改進。人工智能（AI）已廣泛應用于醫學、移動健康監測、軍事決策和網絡安全等領域，為人們的生活帶來了巨大的變化。近年來，它也逐漸被引入材料化學，如用于有機分子的合成，2D材料熱力學穩定性的鑒定。然而，據我們所知，通過将納米材料與人工智能相結合來加密和解密紙質資訊是沒有工作的。
為了提高紙質資訊的安全性和不可預測性，哈爾濱工業大學趙偉軒教授的團隊提出了一種将碳納米顆粒（CNPS）與人工智能相結合的政策，以實作進階資訊安全（圖1）。這項工作通過微波法制制備了具有良好穩定性和低細胞毒性的高熒光量子産率（Quantum yield，QY）碳納米顆粒。然後将納米顆粒制備為隐形墨水，用于紙張資訊的安全加密。為了提高資訊的複雜性和不可預測性，研究人員建構了一個五層卷積神經網絡（當今人工智能領域的兩個主流模型之一），作為對資訊進行更深層次加密的幫助。正确的資訊隻能通過暴露在紫外線下并經過專門訓練的神經網絡獲得，否則将輸出不正确和誤導性的内容。由于神經網絡是一個黑匣子，訓練資訊隐藏在其數百萬個參數中，是以幾乎不可能僅從網絡結構本身找到相應的密碼簿。是以，人工智能為紙質資訊提供了極其安全的保護。
圖 1.擷取、加密和解密紙質資訊的整個過程的圖表。
在這項工作的第一步中，研究人員使用微波法制制備具有高量子産率的熒光碳納米顆粒，然後對材料的基本性質進行了基本表征（圖2），包括基本形貌，紫外線吸收測試，熒光激發和發射光譜，晶體結構，表面功能群等。
圖 2.碳納米顆粒的表征.
接下來，為了實作在複雜環境中的應用，研究人員檢查了碳納米顆粒的穩定性（圖3）。從圖3可以看出，長時間的紫外燈暴露對材料的熒光強度幾乎沒有影響。同時，材料的熒光強度幾乎保持不變，無論是長期放置（140天）還是暴露于高離子強度媒體。最後，納米顆粒對細胞幾乎沒有毒性。這些結果表明，CNPS的光學性能在不同環境下不受影響，穩定性強，對其在成像、生物傳感器和安全性方面的應用非常有利。
圖 3.碳納米顆粒的穩定性和毒性。
接下來，研究人員使用碳納米顆粒作為不可見的墨水和人工智能作為記錄和保護紙張資訊的輔助工具（圖4）。通過噴墨列印熒光墨水和紫外線照射獲得訓練樣品（圖4a和4b）。然後，樣本及其相應的标簽用于訓練和驗證AI模型（圖4c）。該測試裝置也是通過噴墨列印和UV燈曝光獲得的，唯一的差別是普通和不可見的墨水都用于列印（圖4d和4e）。
圖 4.AI 模型訓練和測試樣本。
卷積神經網絡（CNN）是人工智能領域的兩大主流模型之一，已被廣泛應用于語音識别、自然語言處理、計算機視覺等各個領域，并擁有易于使用的工具進行建構和訓練。本文使用 CNN 對紙質資訊進行加密和解密，其基本結構如圖 5a 所示。模型訓練過程可以在個人計算機上完成。通常，經過 300 次疊代訓練後，網絡會學習所有符号的結構資訊，并在訓練和驗證集上實作近 100% 的準确性（圖 5b 和 5c）。測試樣品在自然光下可以顯示為一組符号，也可以正常輸入網絡以産生輸出（圖4d）;隻有在紫外線下才能獲得正确的符号（圖4e），并且通過将其輸入網絡來生成正确的資訊（BEGIN）。
圖 5.人工智能模型的結構和準确性。
綜上所述，隻有在紫外線輻射之後，才能将資訊放入特定的訓練神經網絡中提取出正确的資訊。這種方法比主要依賴于刺激響應材料的傳統紙質資訊保護方法更複雜，更不可預測，使其更難以破解。該研究所提出的加密解密方法可以滿足紙質資訊保護的所有要求，包括易于準備，低成本，高穩定性和高安全性。
論文發表于ACS應用材料與界面，哈爾濱工業大學博士生袁雲煥為第一作者，趙維軒教授、徐傑教授和李康助理研究員共同撰寫。
使用隐形墨水和人工智能的紙質資訊記錄和安全保護
袁雲煥、邵健、毛忠、王浩然、張晨、魏軍、李康*、徐傑*、趙偉偉*
ACS Appl. Mater.接口，2021 年，DOI：10.1021/acsami.1c01179
出版日期：2021 年 4 月 20 日
版權所有 © 2021 美國化學會
導師介紹
趙偉偉
https://www.x-mol.com/university/faculty/302040
（本文摘自ACS出版社）