（图源：Gorodenkoff/Stock.adobe.com）

作者：Murray Slovick，TTI公司专稿

       尽管半导体行业在高科技领域取得了巨大进步，但这个行业却极易受到假冒产品的影响，全球电子产品供应链每年因假冒产品带来的风险估计高达2000亿美元。全球芯片短缺更是放大了这一风险，因为元器件短缺会迫使买家从灰色市场进货，因而辨识器件是否是原厂生产就变得非常关键。更重要的是，自新冠疫情以来，假冒和盗版商品交易量在各个领域持续上升，微电子就是其中一个领域。

假芯片早就不会像以前那样“一眼假”了。现在，造假者可以精确地克隆正品元器件，让假货达到“以假乱真”的程度。尽管正品会采用多种防伪技术，如RFID标签和全息图，但仍然阻止不了半导体器件被复制。因此，业界迫切需要开发新的方法并改进现有技术。

下面，就让我们来认识一些高度可靠的产品真伪验证方法，它们有望大幅提高造假难度。

物理不可克隆函数和量子点技术

在生产芯片的材料分子结构中，会存在随机、不可控的微观缺陷，因而每块芯片都是独一无二的。这种唯一性可以用来证明产品真伪。物理不可克隆函数（PUF）利用的正是这些天然形成的随机波动。PUF是具有独特且不可重复物理特性的器件，这些物理特性可以转化为可用的信息位。利用随机物理特性进行正品验证的PUF比现有的光学解决方案（如全息图）更具优势，因为PUF制造和复制的复杂程度是固有不对称的。基于PUF的正品验证系统采用了通过固有随机工艺制造的芯片，这样的芯片几乎不可能被克隆。由于PUF系统难以复制，因而这种方法可以确保极高的安全性，非常适合防伪应用。

量子点（QD）是一种半导体纳米粒子，在广泛的可调颜色范围内可表现出高效率的光致发光，使其能够有效地赋予独特的光学特性。因此，基于量子点的防伪特征具备固有的难以复制性，可用于打击造假行为。随机沉积的量子点阵列可以封装在透明聚合物中，形成标签。量子计算机使用光而不是电荷来存储和携带信息。根据量子力学定律，一个光子可以同时存在于两个不同的地方。因此，单个光子可以充当量子位或量子比特，相较于二进制位（仅限于0或1）可以携带更多信息。

这项技术已得到实际应用。例如，总部位于美国新墨西哥州的纳米技术公司Ubiquitous Quantum Dots（简称UbiQD）与瑞士一家专门生产防伪油墨的技术公司SICPA SA近期深化了合作关系，共同开发基于UbiQD量子点技术的防伪油墨。这项合作将有助于业界开发以防伪油墨组合作为载体的先进光学和机器可读功能。

与此同时，美国国家标准与技术研究院（NIST）的研究和工作人员还将微型芯片量子点与微型波导（可引导光线的传输回路）连接起来，而没有明显的强度损失。这种混合回路由两个器件组成，两者最初都各自建在一个独立芯片上。其中，第一个是NIST设计制造的砷化镓半导体器件，它承载着量子点，并直接将量子点产生的单光子导入第二个器件，即UCSB开发的低损耗氮化硅波导。

参与该项目的科学家包括来自加州大学圣巴巴拉分校（UCSB）、麻省理工学院（MIT）、韩国科学技术研究院和巴西圣保罗大学的科研人员，他们于2023年12月11日在《自然-通讯》（Nature Communications）上发表了自己的研究成果。

源自于英国兰开斯特大学的Quantum Base公司创造并开发了一系列纳米级量子安全设备并申请了专利，驱动这些设备的技术是光学PUF（OPUF）和电子PUF（EPUF），以及简单的量子随机数发生器（Q-RAND）。他们的另外两款产品Q-ID Electronic和Q-ID Optical均可用于最终用户身份验证、防伪设备标签、身份证验证、药品验证等应用。

AS6081

制定AS6081标准的目的，就是为了应对航空航天供应链中愈演愈烈的假冒伪劣电子元器件问题，这些元器件构成了重大的性能、可靠性和安全性风险。AS6081标准规定了各种要求和做法，以降低购买、接收和销售假冒伪劣元器件的风险，让客户能够充分信任自己的供应链。AS6081是ANAB（美国国家标准学会国家认可委员会）名册中的基础标准。ANAB是一个非政府组织，为公共和私营部门组织提供认证服务和培训，为全球市场提供服务。

为了能够以自动化的方式实现AS6081防伪标准中的外部目视检查和电气测试要求，初创公司Chiplytics以及其他多家公司都承诺将加快周转速度，并提供更多数据驱动的评估。Chiplytics的专有技术Chiplytics One可以对进入关键系统的每颗芯片进行筛查，以打击造假行为，确保半导体产品的安全性和合规性，让全球性的电子元器件商贸和交易活动能够安全运行。

该项技术通过自动化的半导体质量保证产品来执行，通过收集每颗芯片独特的电子特征和图像并进行分析，以确定芯片是否为正品并且完好无损。这还是一款结合电气和光学测试的检测平台，可通过建立数据集来检测微小差异，从而识别克隆、伪造或损坏的芯片。该公司计划利用这些数据集以及其专有软件，帮助企业在将芯片装入高可靠性系统之前进行采购和测试，防止发生代价高昂的召回事件，从而与客户之间建立信任。Chiplytics采用非侵入方式进行测试，利用机器学习检测异常情况。该产品使用功率谱分析（PSA）来广泛评估同质性并识别异常值。只需极少的设置工作，就可以在几毫秒内完成数据采集，从而实现更大的覆盖范围和更高的吞吐量。

太赫兹（THz）辐射的波长介于微波和可见光之间。常用于封装半导体芯片等器件的非导电材料对太赫兹波是透明的。借助这一原理，韩国亚洲大学（Ajou University）和Panoptics公司的研究人员开发了一种快速三维（3D）飞行时间成像工具，利用太赫兹（THz）时域光谱技术检测封装的半导体芯片。通过同时使用相位信息，该方案能够检测和识别封装芯片中的缺陷。

人工智能（AI）

假冒电子产品构成的主要挑战，在于如何把它们找出来。为此，以色列初创公司Cybord提出了一种纯软件解决方案。该方案使用生产线上已有的硬件获取正在使用的元器件的顶部和底部图像，然后通过人工智能软件，借助庞大的数据库对这些图像进行分析，从而检测出元器件是否存在造假、损坏、腐蚀、漏标或其他异常情况。即使元器件经检测完美无瑕，该公司也会记下每个元器件的放置位置以及最终装入的PCB或产品，并在产品组装过程中检查是否存在假冒元器件。

Cybord的软件解决方案可实时监控SMT生产线上的贴装情况，防止不合格电子元器件进入到产品组装过程中，同时为OEM提供可视性和可追溯性。利用人工智能和大数据，该方案可将元器件缺陷问题解决在贴装期间和回流焊之前，从而避免返工并提高产品可靠性。

人工智能已经发展到了可以识别这些假冒元器件的程度。Cybord的可视化软件可通过测量值、日期代码、批次代码和批号来验证每个元器件的真伪。当然，这种方案面临的一大挑战在于找到足够的数据。Cybord声称其数据库汇集了数十亿电子元器件的数据，每月可分析约2.5亿个元器件。

本文陈述和观点仅代表作者本人，不代表TTI公司或TTI Family of Specialists管理人员立场。